Endobronkial ultralydbasert SVM-modell for å differensiere benigne og ondartede mediastinale og Hilar lymfeknuter

ABSTRAKT Bakgrunn og mål: Å etablere en ultralydradiomiks maskinlæringsmodell basert på endobronkial ultralyd (EBUS) for å hjelpe leger med å skille mellom godartede og ondartede diagnoser av mediastinale og hilar lymfeknuter.

Metoder: De kliniske og ultralydbildedataene til 197 pasienter ble analysert retrospektivt. Radiomikrfunksjonene ble ekstrahert av EBUS.-basert radiomiks og dimensjonalitetsreduksjon ble utført på disse funksjonene av den minste absolutte krympingen og utvalgsoperatøren (LASSO)EBUS-basert radiomiksmodell ble etablert av støttevektormaskinen (SVM).205 lesjoner ble tilfeldig delt inn i en treningsgruppe (n=143) og en valideringsgruppe (n=62). Den diagnostiske effektiviteten ble evaluert av mottakerdriftskarakteristikk (ROC). Resultater: Totalt 13 stabile funksjoner med koeffisienter som ikke er null, ble valgt. Støttevektormaskinen (SV)-modellen viste lovende ytelse både i trenings- og verifiseringsgruppene. I treningsgruppen oppnådde SVM-modellen et areal under kurven (AUC) på 0,892 (95 % KI: 0,885-0,899), med en nøyaktighet på 85,3 %, sensitivitet på 93,2 % og spesifisitet på 79,8 %. I verifikasjonsgruppen viste SVM-modellen en AUC på 0,906 (95 % C: 0,890-0,923), sammen med en nøyaktighet på 74,2 %, sensitivitet på 70,3 % og spesifisitet på 74,1 % Konklusjon: EBUS-basert radiomikrikkmodell kan brukes til å skille mellom mediastinale og hilare benigne og ondartede lymfeknuter. SVM-modellen demonstrerer overlegenhet og har potensial som et diagnostisk verktøy i klinisk praksis