基于双能量计算机断层扫描的诊断准确性,用于区分乳头甲状腺小癌与微节的甲状腺小癌

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 内分泌学 在内分泌学.

背景情况:

• 错误诊断的乳头甲状腺微癌 (PTMC) 和微节 (MNG) 可能导致过度治疗和增加医疗费用.
• 准确的手术前分化对于适当的患者管理至关重要.

研究的目的:

• 开发和验证基于双能计算机断层扫描 (DECT) 的名图,用于手术前PTMC和MNG的差异诊断.
• 提高诊断准确度,帮助临床决策.

主要方法:

• 追溯分析366个病理确认的甲状腺微块 (183个PTMC,183个MNG) 来自接受DECT的326名患者.
• 评估常规放射学特征和DECT定量参数,包括度 (IC) 和有效原子数.
• 使用培训和验证队伍构建和验证放射学模型,DECT模型和联合DECT-放射学名录.

主要成果:

• 与放射学模型相比,DECT-放射学名图在训练 (AUC 0.880) 和验证 (AUC 0.836) 队列中都显示出更高的诊断性能.
• 确定的独立预测因素包括IC,正常化的度 (NIC),点点化和增强的模糊.
• 诺米图表显示了良好的校准和净益处,表明了临床效用.

结论:

• DECT提供了有价值的定量参数,用于区分PTMC与MNG.
• 研发的DECT-放射学名图是一种非侵入性,有效的手术前诊断工具.
• 这个名图可以帮助临床医生做出明智的决定,从而避免不必要的干预.