طرق التعلم الآلي للعلامات الحيوية الكمية الإشعاعية

تستخرج الراديوميكس وتقوم بتعدين عدد كبير من ميزات تصوير طبي تقيس خصائص الأورام الفينوتيبية. يمكن أن تؤدي الأساليب الدقيقة والموثوقة للتعلم الآلي إلى نجاح تطبيقات الراديوميكس في الرعاية السريرية. في هذه الدراسة الراديومية، تمت دراسة أربعة عشر طريقة لاختيار الميزات واثني عشر طريقة تصنيف من حيث أدائها واستقرارها في التنبؤ بالبقاء العام. تم استخراج ما مجموعه 440 ميزة راديومية من صور الأشعة المقطعية (CT) قبل العلاج لـ 464 مريضًا مصابًا بسرطان الرئة. لضمان تقييم غير متحيز لأساليب التعلم الآلي المختلفة، تم استخدام تطبيقات متاحة للجمهور مع إعدادات المعلمات المبلغ عنها. علاوة على ذلك، استخدمنا مجموعتين مستقلتين من البيانات الراديومية للتدريب (n = 310 مرضى) والتحقق (n = 154 مريضًا). حددنا أن طريقة اختيار الميزات المعتمدة على اختبار ويلكوكسون WLCX (الاستقرار = 0.84 ± 0.05، AUC = 0.65 ± 0.02) وطريقة التصنيف الغابة العشوائية RF (RSD = 3.52%، AUC = 0.66 ± 0.03) كان لهما أعلى أداء تنبؤي مع استقرار عالٍ ضد اضطراب البيانات. أشارت تحليلات التباين لدينا إلى أن اختيار طريقة التصنيف هو المصدر الأكثر هيمنة لتباين الأداء (34.21% من إجمالي التباين). يُعد تحديد طرق التعلم الآلي المثلى لتطبيقات الراديوميكس خطوة حاسمة نحو الحصول على علامات حيوية راديومية مستقرة وذات صلة سريرية، مما يوفر طريقة غير غازية لقياس ومراقبة خصائص الأورام الفينوتيبية في الممارسة السريرية.