縦隔および肺門リンパ節の良性と悪性を区別するための気管支内超音波ベースの SVM モデル

要約 背景と目的: 縦隔リンパ節と肺門リンパ節の良性と悪性の診断を区別する医師を支援するために、気管支内超音波 (EBUS) に基づく超音波ラジオミクス機械学習モデルを確立する。

方法:197人の患者の臨床および超音波画像データを遡及的に分析した。 ラジオミクス特徴は EBUS ベースのラジオミクスによって抽出され、これらの特徴に対して最小絶対収縮および選択演算子 (LASSO) によって次元削減が実行されました。EBUS ベースのラジオミクス モデルは、サポート ベクター マシン (SVM) によって確立されました。205 病変はランダムにトレーニング グループ (n=143) と検証グループ (n=62) に分けられました。 診断効率は受信者動作特性 (ROC) によって評価されました。結果: 非ゼロ係数を持つ合計 13 の安定した特徴が選択されました。 サポート ベクター マシン (SV) モデルは、トレーニング グループと検証グループの両方で有望なパフォーマンスを示しました。 トレーニンググループでは、SVM モデルは 0.892 (95% CI: 0.885-0.899) の曲線下面積 (AUC) を達成しました。 精度は 85.3%、感度は 93.2%、特異度は 79.8% でした。検証グループでは、SVM モデルは AUC 0.906 (95% C: 0.890-0.923) を実証しました。 精度は 74.2%、感度は 70.3%、特異度は 74.1% 結論:EBUS ベースのラジオミクス モデルは、縦隔および肺門の良性および悪性リンパ節を区別するために使用できます。 SVM モデルは優位性を実証し、臨床現場での診断ツールとしての可能性を秘めています