甲状腺結節の悪性度リスクを予測するノモグラムベースの予測モデルの開発と最適化戦略

科学分野:

• 放射線医学
• 医用画像
• 腫瘍学

背景:

• 甲状腺結節の最適な患者管理のためには、正確な分類が必要です。
• 中国甲状腺画像報告およびデータシステム（C-TIRADS）は、甲状腺結節の評価のための標準化されたフレームワークを提供します。
• C-TIRADSの診断精度と臨床的有用性の向上は、効果的な甲状腺がんスクリーニングと診断にとって重要です。

研究 の 目的:

• C-TIRADS分類を最適化するための臨床予測モデルを開発および検証すること。
• TIRADS分類システムの診断効率と臨床的有用性を高めること。

主な方法:

• 2つの病院の1659人の患者のデータを使用して、二項ロジスティック回帰モデルを構築しました。
• モデル開発と内部検証のために導出コホート（909人の患者）、外部検証コホート（750人の患者）を採用しました。
• モデルのパフォーマンスは、受信者操作特性（ROC）曲線、ノモグラム、およびキャリブレーション曲線を使用して評価されました。

主要な成果:

• 主要な予測因子には、元のC-TIRADSカテゴリー、異常な頸部リンパ節の超音波所見、甲状腺結節のサイズ変化が含まれていました。最適化されたノモグラムは、導出セットで0.730、外部検証セットで0.865のROC曲線下面積（AUC）を達成しました。モデルは良好なキャリブレーションと有利な正味臨床便益を示し、C-TIRADSカテゴリーのアップグレードまたはダウングレードのための特定の確率閾値がありました。

結論:

• 画像の特徴と臨床的リスク要因を統合した最適化されたC-TIRADSモデルは、放射線科医に大きく役立ちます。
• この強化されたモデルは、甲状腺結節のTIRADS分類の診断効率と臨床的有用性を向上させます。
• 検証されたモデルは、より正確な甲状腺結節の評価と管理のための貴重なツールを提供します。