开发一种可靠的GADSAH模型,用于区分AFP负肝脏良性和恶性占用性病变
Xiaoling Long1, Huan Zeng1, Yun Zhang1
1Department of Clinical Laboratory, Guangxi Medical University Cancer Hospital, Nanning, Guangxi, 530021, People's Republic of China.
Journal of hepatocellular carcinoma
|March 29, 2024
概括
一个新的模型准确地区分恶性和良性肝病变在患有低α-fetoprotein (AFP) 的患者. 这种工具有助于早期诊断肝病变,改善患者的治疗结果.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 在瘤学瘤学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 阿尔法-胎蛋白 (AFP) 是肝细胞癌的关键生物标志物,但其在某些患者的低水平使诊断复杂化.
- 肝脏占用病变 (HOL) 是一个诊断挑战,特别是当AFP水平不升高时.
- 准确区分恶性和良性肝病变对于及时干预至关重要.
研究的目的:
- 为AFP阴性肝脏占用病变开发一个验证的差异诊断模型.
- 帮助临床医生早期识别和干预这些病变.
- 创建一个方便和高价值的诊断工具.
主要方法:
- 对340名AFP阴性HOL患者的回顾性分析.
- 数据分为培训 (70%) 和验证 (30%) 集.
- 使用LASSO回归,机器学习算法和物流回归对实验室变量的选.
- 开发和验证使用ROC,校准和DCA的诊断名录模型.
主要成果:
- 开发了一个包含性别,年龄,des-gamma-carboxyprothrombin (DCP),血清费里丁 (SF),AFP和乙型肝炎表面抗原 (HBsAg) 的名录.
- 该模型实现了0.905的曲线下面积 (AUC),以区分恶性和良性病变.
- 校准和决策曲线分析证实了该模型的准确性和临床实用性,在单独的一组中进行了验证.
结论:
- 开发的GADSAH模型有效地区分了AFP阴性患者的恶性和良性肝病变.
- 这种非侵入性,具有成本效益和高效的模型有助于诊断具有挑战性的肝病例.
- 该模型支持早期检测和干预AFP阴性肝脏恶性占用病变 (HMOL).
