预测小鼠肿瘤中金纳米颗粒积聚的多模态放射组学模型
定量方法
2024-06-17 v1
摘要
背景：纳米颗粒可在实体肿瘤中积聚，作为癌症的诊断或治疗剂用于临床应用。由于肿瘤中积聚率低且不同肿瘤类型和个体间存在异质性，临床转化面临挑战。因此，迫切需要工具来识别这种异质性并预测纳米颗粒的积聚。先进的成像技术结合放射组学和人工智能可能提供解决方案。方法：我们使用183只小鼠建立了七个皮下肿瘤模型，注射三种尺寸（15nm、40nm、70nm）的金纳米颗粒通过尾静脉。测量其积聚情况。数据被划分为训练集和测试集（7:3）。肿瘤被分为高 uptake 组和低 uptake 组 based on 训练集的中位数。注射前，获取了多模态成像数据（CT、B-模式超声、SWE、CEUS），并提取放射组学特征。使用 LASSO 和 RFE 算法构建放射组学签名。该签名结合肿瘤类型以及CT和SWE的平均值，构建最佳模型使用 SVM。对于测试集中的每个肿瘤，放射组学签名预测金纳米颗粒的积聚。评估模型性能指标为 AUC。结果：在肿瘤之间观察到金纳米颗粒积聚存在显著差异（P < 0.001）。训练集的中位数积聚为 3.37% ID/g。纳米颗粒尺寸并非积聚的主要决定因素（P > 0.05）。基于放射组学签名的复合模型在训练（AUC 0.93 vs. 0.68）和测试（0.78 vs. 0.61）数据集中优于基本模型。结论：该复合模型识别肿瘤异质性并预测金纳米颗粒高积聚，提高患者分层水平，支持纳米医学的临床应用。
引用
@article{arxiv.2406.10146,
title = {Multimodal Radiomics Model for Predicting Gold Nanoparticles Accumulation in Mouse Tumors},
author = {Jiajia Tang and Jie Zhang and Jiulou Zhang and Yuxia Tang and Hao Ni and Shouju Wang},
journal= {arXiv preprint arXiv:2406.10146},
year = {2024}
}