Estrategias de desarrollo y optimización para un modelo predictivo basado en nomogramas de riesgo de malignidad en...

Área de la Ciencia:

• Radiología
• Imagen Médica
• Oncología

Sus antecedentes:

• Los nódulos tiroideos requieren una clasificación precisa para un manejo óptimo del paciente.
• El Sistema Chino de Informes y Datos de Imágenes Tiroideas (C-TIRADS) proporciona un marco estandarizado para la evaluación de nódulos tiroideos.
• Mejorar la precisión diagnóstica y la utilidad clínica de C-TIRADS es crucial para el cribado y diagnóstico eficaces del cáncer de tiroides.

Objetivo del estudio:

• Desarrollar y validar un modelo de predicción clínica para optimizar la clasificación C-TIRADS.
• Mejorar la eficiencia diagnóstica y la utilidad clínica del sistema de clasificación TIRADS.

Principales métodos:

• Se construyó un modelo de regresión logística binaria utilizando datos de 1659 pacientes de dos hospitales.
• El estudio empleó una cohorte de derivación (909 pacientes) para el desarrollo y validación interna del modelo, y una cohorte de validación externa (750 pacientes).
• El rendimiento del modelo se evaluó utilizando curvas ROC, nomogramas y curvas de calibración.

Principales resultados:

• Los predictores significativos para la optimización de C-TIRADS incluyeron la categoría original de C-TIRADS, hallazgos ecográficos anormales de los ganglios linfáticos cervicales y cambios en el tamaño del nódulo tiroideo.
• El nomograma optimizado logró un área bajo la curva ROC (AUC) de 0.730 en el conjunto de derivación y 0.865 en el conjunto de validación externa.
• El modelo demostró una buena calibración y un beneficio clínico neto favorable, con umbrales de probabilidad específicos para mejorar o empeorar las categorías de C-TIRADS.

Conclusiones:

• Un modelo C-TIRADS optimizado que integra características de imagen y factores de riesgo clínicos puede ayudar significativamente a los radiólogos.
• Este modelo mejorado mejora la eficiencia diagnóstica y la utilidad clínica de la clasificación TIRADS para nódulos tiroideos.
• El modelo validado ofrece una herramienta valiosa para una evaluación y manejo más precisos de los nódulos tiroideos.