一种基于超声波放射学的诺莫图,用于预测cN0单个乳头甲状腺小癌的侵入性
Meiwu Zhang1, Shuyi Lyu1, Liu Yang1
1Department of Interventional Therapy, Ningbo No. 2 Hospital, Ningbo, China.
Gland surgery
|January 17, 2024
概括
一种使用超声波放射学的新型诺米图可以预测在没有淋巴结转移的乳头甲状腺小癌 (PTMC) 患者的侵入性. 这种人工智能驱动的工具有助于诊断潜在的传播,改善患者管理.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是指放射学
- 人工智能的人工智能
背景情况:
- 乳头甲状腺微瘤 (PTMC) 即使在临床结节阴性 (cN0) 患者中,也可能发生隐性淋巴结转移.
- 由于分辨率有限,传统的超声波 (美国) 很难在小型PTMC中可视化侵入性.
- 美国的放射学提供了一种新的方法来提高PTMC的诊断准确性和预后预测.
研究的目的:
- 开发和验证一种结合美国放射学和临床风险因素的名图,用于预测单个PTMC中具有cN0.0的侵入性.
- 评估这个人工智能驱动的成像工具的诊断和预后价值.
主要方法:
- 进行了对317个cN0单个PTMC患者的回顾性队列研究.
- 从美国图像中提取了放射性特征,并使用mRMR和LASSO构建了放射性签名.
- 通过将放射学特征与独立的临床风险因素结合起来,构建了一个名图.
主要成果:
- 该名图包含了七个放射学特征和临床风险因素,显示出良好的预测效率 (AUC训练:0.76,AUC测试:0.71).
- 该模型在训练 (0.811) 和测试 (0.841) 数据集中都实现了高精度.
- 决策曲线分析 (DCA) 证实了名谱在预测PTMC侵入性的临床实用性.
结论:
- 基于甲状腺美国放射学开发的诺米图显示了在cN0患者中PTMC侵入性的优秀预测价值.
- 这种由人工智能驱动的工具有可能成为PTMC管理的常规临床实践中一个有价值的成像标记.
