换一批基于光子计数CT定量参数机器学习模型预测肺癌病理亚型
Machine learning model based on photon-counting CT quantitative parameters for predicting pathological subtype of lung cancer
摘要目的 探讨基于光子计数CT(PCCT)定量参数构建的机器学习(ML)模型预测肺癌病理亚型的价值.方法 前瞻性纳入96例经术后病理证实的肺癌患者,包括51例腺癌(AC)(AC组)、24例鳞状细胞癌(SCC)(SCC组)及21例小细胞肺癌(SCLC)(SCLC组).采用Boruta算法基于治疗前增强PCCT筛选组间差异有统计学意义的参数并构建决策树(DT)ML模型;绘制受试者工作特征曲线,计算曲线下面积(AUC),评估模型预测不同病理亚型肺癌的效能.结果 SCC组和SCLC组病灶的动脉期碘浓度(IC)、标准化IC(NIC)、40～70 keV CT值、K40～80keV,以及静脉期NIC、40～80 keV CT值均低于AC组(P均＜0.05),而前二者差异均无统计学意义(P均＞0.05);SCLC组、SCC组及AC组静脉期IC及静脉期K40～80 keV依次升高(P均＜0.05).基于18个PCCT参数构建的DT模型预测肺癌亚型的整体准确率为80.21％,其预测AC、SCC及SCLC的AUC分别为0.912、0.771及0.945.结论 基于PCCT定量参数构建的DT模型用于预测肺癌病理亚型具有较高价值.
更多相关知识
关键词
肺肿瘤体层摄影术,X线计算机病理学诊断,鉴别前瞻性研究lung neoplasmstomography,X-ray computedpathologydiagnosis,differentialprospective studies
栏目名称
DOI
10.13929/j.issn.1003-3289.2026.03.005
发布时间
2026-06-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河南省医学科技攻关计划联合共建项目（LHGJ20240246）
- 浏览2
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
