一个两步预测模型,用于诊断松果区域的生殖瘤
Yang Yu1,2,3, Xiaoli Lu4, Yidi Yao2,3
1Department of Neurosurgery, Huashan Hospital, Fudan University, Shanghai, China.
Neuro-oncology advances
|September 14, 2023
概括
这项研究开发了一种两步预测模型,使用临床数据和MRI来非侵入性地诊断部细菌瘤. 该模型准确地将胚胎细胞瘤与其他类型区分开来,并在该组内识别胚胎瘤.
科学领域:
- 神经辐射学神经辐射学
- 在瘤学瘤学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 与其他松果区域瘤相比,细菌瘤需要不同的管理,因为它们对辐射和化疗敏感.
- 准确的非侵入性诊断对于适当的治疗计划至关重要.
研究的目的:
- 开发一种预测模型,用于对松果区域细菌瘤的非侵入性诊断.
- 为了区分生殖细胞瘤 (GCTs) 和松果膜瘤 (PPTs),并在GCTs中识别生殖细胞瘤.
主要方法:
- 总共有126名部瘤患者被分析,分为培训 (n=90) 和验证 (n=36) 队列.
- 提取了临床特征和传统的核磁共振成像表现.
- 构建了一个两步的诺莫格拉姆模型,以区分GCT与PPT (模型1) 以及NGGCT与NGGCT (模型2) 的胚芽瘤.
主要成果:
- 两种模型都显示出高预测效率:GCT与PPT的c指数为0.967,胚芽瘤诊断为0.896.
- 验证队列分析显示,接收器操作曲线下的区域为0.885和0.926,证实了预测准确性.
- 校准和决策曲线分析支持了该模型的临床实用性.
结论:
- 开发的两步模型有效地将GCT与PPT区分开来,并非侵入性地识别胚芽瘤.
- 这种预测工具有可能有助于治疗部瘤患者的治疗决策.
