使用基于CT的放射学,常规放射学和临床特征预测肺腺癌的微毛囊或固体模式

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 数据科学数据科学数据科学

背景情况:

• 肺腺癌亚型,特别是微毛囊和固体,代表高风险群体.
• 准确预测这些亚型对于适当的患者管理和治疗策略至关重要.

研究的目的:

• 开发和评估用于区分高风险肺腺癌亚型的预测模型.
• 为了比较放射学,临床和组合模型的性能.

主要方法:

• 对351名肺腺癌患者的回顾性分析.
• 用于放射学特征选择的最小绝对收缩和选择运算符 (LASSO) 回归.
• 用链式方程 (MICE) 计算缺失的数据和用于性能评估的接收器运行特征 (ROC) 分析.

主要成果:

• 放射学模型在训练组中达到0.863的曲线下的面积 (AUC),在测试组中达到0.849.
• 组合模型表现出优异的性能,AUC为0.872 (训练) 和0.853 (测试).
• 决策曲线分析表明,放射学和组合模型的临床实用性在37.5%的值.

结论:

• 放射性特征在预测肺腺癌亚型方面显示出显著的潜力.
• 结合放射学和临床数据的综合模型为区分高风险亚型提供了强大而高性能的方法.