基于高分辨率CT定性和定量特征的模型的建立和可视化,用于预测侵袭性肺腺癌中的微毛囊或固体组件

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 病理学 病理学 病理学

背景情况:

• 肺部的侵入性腺癌可以表现出微毛细细胞或固体成分,影响预后和治疗.
• 准确预测这些成分对于有效的患者管理至关重要.

研究的目的:

• 开发和验证使用高分辨率计算机断层扫描 (HRCT) 功能的侵入性腺癌中微毛囊或固体成分的预测模型.
• 评估定性,定量和组合模型的诊断性能.

主要方法:

• 176个肺病变被病理分为MP/S- (n=128) 和MP/S+ (n=48) 组.
• 多变量逻辑回归确定了独立的预测因子:瘤形状,膜缩和巩固瘤比率 (CTR).
• 人工智能 (AI) 软件提取了定量CT参数;使用ROC分析构建和评估了定性,定量和组合模型.

主要成果:

• 瘤形状,肺内和CTR是MP/S+组件的独立预测因素.
• 组合模型表现出最高的诊断性能,AUC为0.880 (95% CI 0.824-0.937),优于定性 (AUC 0.844) 和定量 (AUC 0.863) 模型.
• 综合模型与定性模型相比,显示出优越的歧视.

结论:

• 综合了定性和定量特征的组合HRCT模型有效预测肺腺癌中的微毛囊或固体成分.
• 该模型可以帮助临床医生评估患者的预后,并定制诊断和治疗策略.
• 人工智能辅助的方法提高了个性化肺癌护理的预测能力.