利用机器学习方法预测头颈癌转移风险

摘要

影像组学是一种挖掘医学影像特征的学科,它可从标准的医学影像中提取高通量定量数据特征来描述肿瘤信息,并为临床实践提供决策支持。为了预测肿瘤转移风险,分析了来自三个机构的197例头颈癌患者接受治疗前的FDGPET和CT信息,使用影像组学相关方法对每例患者提取了100多个放射学特征,并以此为特征来预测其局部复发(LR)和远处转移风险(DM)。在预测模型构建时,使用机器学习算法,以其中两个机构提供的数据作为训练集,剩余机构的数据作为独立测试集。在独立测试集上的测试结果显示:预测局部复发时使用支持向量机(SVM),其精确度达到了79%;预测远处转移时使用随机森林(RF),其精确度达到了78%。使用该方法可以对头颈癌进行辅助诊断并对患者进行更好的个性化治疗。