Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

このページは機械翻訳されています。他のページは英語で表示される場合があります。View in English
  1. ホーム
  3. 研究分野
  5. 生物医学と臨床科学
  7. 腫瘍学とがん発生
  9. 予測・予測マーカー
  11. コントラスト強化超音波,シーア波弾性撮影,および臨床特征ベースのノモグラムを用いた肝臓内胆管がんと肝細胞がんの区別に関する予測モデル研究
  1. ホーム
  3. 研究分野
  5. 生物医学と臨床科学
  7. 腫瘍学とがん発生
  9. 予測・予測マーカー
  11. コントラスト強化超音波,シーア波弾性撮影,および臨床特征ベースのノモグラムを用いた肝臓内胆管がんと肝細胞がんの区別に関する予測モデル研究

関連する実験動画

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.3K

コントラスト強化超音波,シーア波弾性撮影,および臨床特征ベースのノモグラムを用いた肝臓内胆管がんと肝細胞がんの区別に関する予測モデル研究

Lu Liu1, Kun Chen1, Liyun Xue1

  • 1Department of Ultrasound, Huashan Hospital, Fudan University, Shanghai, China.

Journal of clinical ultrasound : JCU
|August 26, 2025

PubMed で要約を見る

まとめ
この要約は機械生成です。

新しいノモグラムは,超音波と臨床データを用いて,肝臓内胆管がん (ICC) と肝細胞がん (HCC) を正確に区別します. このツールは高い診断精度を示し,これらの肝がんの臨床決定に役立ちます.

キーワード:
コランジオカルシノーマ肝細胞がんノモグラム超音波検査

さらに関連する動画

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

193
Author Spotlight: Advancing Hepatic Fibrosis Diagnosis Using Magnetic Resonance Elastography and AI
06:09

Author Spotlight: Advancing Hepatic Fibrosis Diagnosis Using Magnetic Resonance Elastography and AI

Published on: July 21, 2023

1.4K

関連する実験動画

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.3K
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

193
Author Spotlight: Advancing Hepatic Fibrosis Diagnosis Using Magnetic Resonance Elastography and AI
06:09

Author Spotlight: Advancing Hepatic Fibrosis Diagnosis Using Magnetic Resonance Elastography and AI

Published on: July 21, 2023

1.4K

科学分野:

  • 肝胆画像検査
  • 腫瘍診断
  • 医療名義

背景:

  • 肝臓内胆管がん (ICC) と肝細胞がん (HCC) は,臨床的および画像学的特徴が重なり合っている肝臓がんである.
  • 適切な治療の選択と患者の管理には,正確な差異化が不可欠です.
  • 現在の診断方法では,ICCとHCCを区別することが限られている.

研究 の 目的:

  • ICCとHCCを区別するための予測ノモグラムを設計し,検証する.
  • 診断の正確さを高めるために,超音波と臨床指標を統合する.
  • 肝臓の悪性腫瘍の診断に 医療従事者を支援するツールを提供するためです

主な方法:

  • 確定したICCまたはHCCを有する136人の患者群を遡及的に分析した.
  • データには,手術前のBモード超音波検査,コントラスト強化超音波検査,2Dシーア波エラストグラフィー検査,および臨床的要因が含まれていた.
  • 最小絶対縮小と選択演算子と多変数ロジスティック回帰がノモグラムの開発と検証に使用されました.

主要な成果:

  • 主な予測因子には,肝炎歴,アルファフェトタンパク質,炭水化物抗原19- 9,リム型動脈相増強,および病変と肝臓の硬化率が含まれています.
  • ノモグラムは,AUCが0. 987 (訓練) と0. 926 (検証) で高い差別性を達成した.
  • 開発されたモデルには優れた校正と臨床的有用性が示された.

    • 結論:

    • マルチモダルノモグラムは,高い診断精度でICCとHCCを効果的に区別します.
    • このツールは,これらの肝臓がんの 術前診断を改善するための有望なアプローチを提供します.
    • ノモグラムは,複雑な肝胆悪性腫瘍の症例における臨床的意思決定をサポートします.