Influenza delle caratteristiche radiomiche PET/TC sull'esito dei pazienti affetti da carcinoma polmonare

Caratteristiche radiomiche:

Le immagini PET/TC, compresi altri tipi di periodici CT, sono state trasportate in un personal computer. Utilizzando il software open source di 3D-Slicer, i volumi di interesse (VOI) per il tumore primario, o anche i linfonodi, sono stati segmentati in modo semiautomatico o manuale. E poi, sono state estratte le caratteristiche radiomiche.

Parametri dell'ANIMALE DOMESTICO:

Utilizzando i VOI CT combinati, sono stati misurati i corrispondenti valori di assorbimento standard PET (SUV, nessuna unità). Per un focolaio (tumore o linfonodo), media, somma e massimo SUV sono stati documentati e sono stati utilizzati per l'addestramento e la convalida dei modelli insieme alle caratteristiche radiomiche.

Selezione funzionalità:

I dati sono stati analizzati con il metodo del deep learning o delle foreste casuali e le prime 20 variabili sono state valutate in base al loro contributo alla regressione (importanza della variabile, VIMP). Le caratteristiche generalizzate sono state identificate come le stesse tra due tipi di serie di immagini (ad esempio, TC ordinaria e a sezione sottile, o PET e TC). Inoltre, quando tre o più caratteristiche soddisfacevano il criterio, è stato utilizzato un valore inferiore del criterio di informazione di Akaike (AIC) che misura la qualità relativa dei modelli statistici per trovare caratteristiche appropriate con possibilità di overfitting inferiore.

Convalida del modello:

Il modello sviluppato è stato validato internamente ed esternamente. Gli indici interni per la variabile continua indipendente erano l'accuratezza (bias e bias assoluto) e la precisione (coefficiente di correlazione e R quadrato), e quello per la variabile indipendente classificata o di sopravvivenza era c-index. I pazienti arruolati da un altro centro medico sono stati utilizzati per la validazione esterna.