Machine learning voorspelt pCR na neoadjuvante chemo bij NSCLC

Een radiomics-model op basis van machine learning blijkt in staat om succesvol een pathologische complete respons (pCR) en overlevingskans te voorspellen bij patiënten behandeld met neoadjuvante chemotherapie voor NSCLC. Neoadjuvante chemotherapie is variabel effectief bij patiënten met NSCLC. Een groot probleem hierbij is dat men maar slecht kan voorspellen welke patiënten baat zullen hebben bij de behandeling. Hierom ontwikkelden onderzoekers een radiomics-model om de pCR en overleving te kunnen voorspellen. Retrospectieve analyse Het model includeert negen kenmerken uit de intra- en peritumorale regio’s op de CT-scan voorafgaand aan chemotherapie. De onderzoekers toetsten het model in een trainingscohort en een onafhankelijk cohort van data van 130 patiënten met NSCLC die neoadjuvante chemotherapie en chirurgische resectie hadden ondergaan. Succesvolle predictie uitkomsten Het model liet een receiver operating characteristic (ROC)-curve zien van 0,874 in het trainingscohort en 0,876 in het onafhankelijke cohort. Hoe groter de area under the curve (AUC), hoe beter het model functioneert en voorspelt. Ook was er een…