نماذج التعلم الآلي المدفوعة بالريديوميات لتشخيص السرطان الغدي البنكرياسي.

الخلفية: يعد السرطان الغدي البنكرياسي من بين أكثر السرطانات عدوانية وفتكًا، حيث يقلل من توقعات الحياة بشكل أساسي بسبب التشخيص المتأخر. تحسين دقة تشخيص سرطان البنكرياس أمر بالغ الأهمية لتحسين نتائج البقاء على قيد الحياة، ومع ذلك، تظل حساسية الأساليب التشخيصية التقليدية تحديًا كبيرًا. تهدف هذه الدراسة إلى تقييم فعالية الميزات المستخرجة من الريديوميات من تصوير الأشعة المقطعية، مقترنة بنماذج التعلم الآلي، للكشف عن السرطان الغدي البنكرياسي. طرق: تم استخدام مجموعة بيانات استعادية من مستشفى بقية الله، طهران، إيران (2024) تتكون من 100 مشارك (50 مصابًا بالسرطان الغدي البنكرياسي (في الغالب في المرحلتين الثانية والثالثة) و50 من الأشخاص الأصحاء). تم الحصول على صور الأشعة المقطعية باستخدام بروتوكول ثلاثي المراحل، وتم استخراج ميزات الريديوميات باستخدام برنامج 3D Slicer. تم استخدام ثلاثة مصنّفين - آلة ناقل الدعم (SVM) ، والانحدار اللوجستي (LR) ، وغابة عشوائية (RF) - مع طرق اختيار الميزات بما في ذلك الاستبعاد التكراري للميزات (RFE) ، والمعلومات المتبادلة (MI) ، ومشغل تقليص القيم المطلقة الأقل اختيار (LASSO). تم تقييم أداء النموذج باستخدام الدقة والدقة والحساسية ونتيجة F1 والمساحة تحت المنحنى (AUC). النتائج: حقق مصنّف SVM مع اختيار الميزات من LASSO أعلى أداء، مع دقة تبلغ 0.83 و AUC تبلغ 0.89. كما أظهرت LR و RF أيضًا نتائج قوية، حيث قدمت LASSO أفضل اختيار للميزات لكلا المصنفين. أظهر تحليل SHAP أن الميزات النسيجية مثل عدم التجانس في مستوى الرمادي وعدم التجانس في طول التشغيل كانت من أهم العوامل التي تميز سرطان البنكرياس عن الأنسجة الطبيعية. الخاتمة: تظهر نماذج التعلم الآلي القائمة على الريديوميات وعدًا في تحسين تشخيص السرطان الغدي البنكرياسي. توفر مجموعة LASSO مع مصنفات قوية مثل SVM و LR و RF إطارًا قويًا لأدوات التشخيص غير الجراحية والدقيقة.