양성 및 악성 종격동 및 폐문 림프절을 구별하기 위한 기관지 초음파 기반 SVM 모델

개요 배경 및 목적: 의사가 종격 및 폐문 림프절의 양성 진단과 악성 진단을 구별하는 데 도움을 주기 위해 기관지내 초음파(EBUS)를 기반으로 한 초음파 방사성 기계 학습 모델을 확립합니다.

방법: 197명의 환자의 임상 및 초음파 영상 데이터를 후향적으로 분석하였다. Radiomic 특징은 EBUS 기반 radiomics로 추출되었으며 최소 절대 수축 및 선택 연산자(LASSO)를 통해 이러한 특징에 대한 차원 축소가 수행되었습니다. EBUS 기반 radiomic 모델은 SVM(Support Vector Machine)을 통해 확립되었습니다.205 병변을 무작위로 훈련 그룹(n=143)과 검증 그룹(n=62)으로 나누었습니다. 진단 효율성은 ROC(Receiver Operating Characteristic)로 평가했습니다. 결과: 계수가 0이 아닌 총 13개의 안정적인 특징이 선택되었습니다. SV(지원 벡터 머신) 모델은 훈련 그룹과 검증 그룹 모두에서 유망한 성능을 보였습니다. 훈련 그룹에서 SVM 모델은 0.892(95% CI: 0.885-0.899)의 곡선 아래 면적(AUC)을 달성했습니다. 정확도 85.3%, 민감도 93.2%, 특이도 79.8%로 검증군에서 SVM 모델은 AUC 0.906(95% C: 0.890~0.923)을 나타냈으며, 정확도 74.2%, 민감도 70.3%, 특이도 74.1% 결론:EBUS 기반 방사선학 모델을 사용하여 종격동 및 폐문 양성 및 악성 림프절을 구별할 수 있습니다. SVM 모델은 임상 실습에서 진단 도구로서의 우수성과 잠재력을 보여줍니다.