开发和验证基于计算机断层扫描的放射学诺米克图,用于在乳腺甲状腺小癌中预先预测中枢淋巴结转移
Yakui Mou1, Xiao Han2, Jingjing Li3
1Department of Otorhinolaryngology Head and Neck Surgery, Yantai Yuhuangding Hospital, Qingdao University, Yantai 264000, China (Y.M., X.H., J.L., P.Y., C.W., Z.S., X.W., M.Z., X.S.); Shandong Provincial Clinical Research Center for Otorhinolaryngologic Diseases; Yantai 264000, China (Y.M., P.Y., C.W., Z.S., X.W., M.Z., X.S.); Yantai Key Laboratory of Otorhinolaryngologic Diseases, Yantai 264000, China (Y.M., P.Y., C.W., Z.S., X.W., M.Z., X.S.).
一种使用CT扫描的新型放射性诺米克图准确地预测了皮肤状甲状腺小癌中中枢淋巴结转移的情况,其表现优于放射科医生,并为手术前决策提供了非侵入性工具.
科学领域:
- 放射学 放射学是指放射学
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 乳头甲状腺小癌 (PTMC) 在预测中枢淋巴结转移 (CLNM) 方面存在挑战.
- 对CLNM进行准确的手术前评估对于PTMC患者的有效治疗计划至关重要.
研究的目的:
- 开发和验证基于计算机断层扫描 (CT) 的放射学名图,用于预测PTMC中的CLNM.
- 使用RNA测序数据探索CLNM的生物基础.
主要方法:
- 从452名PTMC患者的手术前CT图像中提取了放射性特征.
- 机器学习模型经过训练和验证,将其性能与放射科医生的解释进行比较.
- 通过将放射学签名得分与临床风险因素相结合,构建了一个放射学名图.
主要成果:
- 研发的放射学名图实现了高预测性能 (内部和外部测试集的AUC为0.800和0.803).
- 在预测CLNM方面,名图表表现优于个体放射学模型和临床模型.
- 基因分析显示,在患有CLNM的患者中,与瘤血管生成相关的基因失调.
结论:
- 基于CT的放射学诺米克图是一种可靠的非侵入性工具,用于在PTMC中进行术前CLNM预测.
- 与放射科医生相比,这个名图显示出更高的诊断能力.
- 这些发现支持将这种放射学名录集成到PTMC管理的临床决策中.
更多相关视频
04:01Transoral Robotic Total Thyroidectomy and Bilateral Central Regional Lymph Node Dissection for Papillary Thyroid Carcinoma
Published on: September 15, 2023
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024