在子宫内膜癌中节点透:使用最佳子集回归的预测模型
Yuka Kuriyama Matsumoto1, Yuki Himoto2, Mizuho Nishio3
1Department of Diagnostic Imaging and Nuclear Medicine, Kyoto University Graduate School of Medicine, 54 Kawaharacho, Shogoin, Sakyo-Ku, Kyoto, 606-8507, Japan.
European radiology
|October 26, 2023
概括
新的预测模型准确地确定了淋巴结转移 (LNM) 在子宫内膜癌中的风险. 这些模型包括临床因素和MRI,可以帮助避免不必要的淋巴切除术,并指导个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗信息学 医疗信息学
背景情况:
- 子宫内膜癌的治疗通常包括评估区域淋巴结转移 (r-LNM).
- 精确的手术前预测LNM,包括盆腔和副大动脉淋巴结转移 (PENM/PANM),对于治疗规划至关重要.
- 目前仅基于尺寸标准的诊断性能是有限的.
研究的目的:
- 开发和验证子宫内膜癌中r-LNM和PANM的术前预测模型.
- 为了比较具有和没有磁共振成像 (MRI) 发现的模型的性能.
- 确定改善LNM预测的已确定的风险因素.
主要方法:
- 一项回顾性,两中心的研究包括364名患有子宫内膜癌的患者.
- 使用最佳子集回归与交叉验证来开发基于临床和成像因素的模型.
- 模型被外部验证,并使用曲线下的面积 (AUC) 评估性能.
主要成果:
- 对于r-LNM的最终模型包括淋巴结大小,MRI,CA125上的深度肌肉膜入侵 (DMI) 和活检结果.
- 最终的PANM模型包括DMI,PAN,PEN和CA125.
- 外部验证显示,这两种模型的AUC都很高,不使用MRI的模型也表现出强的性能.
结论:
- 使用已确定的风险因素的预测模型表明,在子宫内膜癌中LNM的高诊断性能.
- 这些模型可以帮助在淋巴切除术的决策,潜在地减少不必要的程序.
- 这些模型为子宫内膜癌的个性化治疗策略提供了宝贵的工具.
