机器学习预测模型

结合磁共振灌注加权成像放射组学、超声和临床数据的高精度前列腺癌生化复发预测工具。

安鹏 · Yang, Lin · Hu, Yan · Qin, Ping · Ye, Yingjian · Gu, Weiping · 李秀梅 · Wang, Yong · Feng, Guoyan

Technology in Cancer Research and Treatment 2023

参数信息

AUC

0.91

技术优势

多模态数据互补

通过整合临床、超声和磁共振灌注加权成像放射组学特征，模型性能显著提升。

列线图易用性

基于综合模型开发的列线图工具在临床应用中表现良好，可辅助临床筛选高风险人群。

应用场景

• 前列腺癌生化复发预测：辅助临床医生早期识别高危患者，以便及时干预。