跳到正文
Communications Medicine· Haiyang Zhang·· 9 天前AI 评分36

基于多序列MRI影像组学模型预测甲状腺眼病放疗反应

Multi-sequence MRI-based radiomics model for predicting radiotherapy response in thyroid eye disease

AI 导读

一项回顾性研究纳入85例接受20 Gy标准化放疗的甲状腺眼病患者(46例应答、39例无应答),构建多序列MRI影像组学模型预测放疗反应。多序列影像组学模型AUC达0.933,整合影像组学特征与常规影像指标的联合模型AUC最高为0.942,显著优于临床模型(AUC=0.700,P=0.040)。该联合模型校准与决策曲线表现良好,但尚需前瞻性验证。

AI 深度导读基于原文整理的分节解读
背景
放疗是活动期中重度甲状腺眼病(TED)的重要治疗手段,但患者反应差异较大。临床活动度评分(CAS)等常规指标主观性强,对放疗反应的预测价值有限,目前缺乏可靠的术前预测工具。
做法
研究回顾性纳入85例接受标准化放疗(20 Gy)的TED患者,分析治疗前眼眶MRI的脂肪抑制T1加权增强(T1CE)与T2加权成像(T2WI)。从眼外肌提取影像组学特征,用九种机器学习算法构建单序列、多序列模型,以及整合临床数据、影像指标与影像组学特征的联合模型,并以DeLong检验、校准曲线、Brier评分、决策曲线和SHAP分析评估。
结论
85例中46例为反应者、39例为无反应者,基线CAS是唯一组间差异显著的临床变量。临床模型预测能力有限(AUC=0.700);T1CE、T2WI和多序列影像组学模型的AUC分别为0.850、0.875和0.933;影像组学特征与影像指标联合模型AUC最高(0.942),显著优于临床模型(P=0.040),校准与决策曲线显示可靠性及临床效用良好。
意义
多序列MRI影像组学结合常规影像指标,为TED放疗反应预测提供了客观路径,可用于治疗前的个体化风险分层。作者指出该结论尚需前瞻性验证,模型的实际应用价值仍待外部数据检验。

本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文

来源:Communications Medicine · nature.com