相关实验视频
Updated: Jun 27, 2025

04:39
Generation of a Mouse Spontaneous Autoimmune Thyroiditis Model
Published on: March 17, 2023
1.6K
甲状腺蛋白测量是差异化甲状腺癌中最强大的结果预测器:在欧洲多中心系列中的决策树分析
Luca Giovanella1,2, Lisa Milan3, Wolfgang Roll4
1Nuclear Medicine, Gruppo Ospedaliero Moncucco, Lugano, Switzerland.
Clinical chemistry and laboratory medicine
|May 6, 2024
概括
一个新的决策树模型准确地预测放射性 (RAI) 治疗后差异化甲状腺癌 (DTC) 复发. 治疗后扫描和甲状腺蛋白水平完善风险分层,以实现个性化的患者管理.
科学领域:
- 内分泌学 在内分泌学.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 准确的预后对于管理差异化甲状腺癌 (DTC) 至关重要.
- 个性化后续和治疗策略需要可靠的预后工具.
- 当前风险分层可能受益于增强的预测模型.
研究的目的:
- 开发DTC患者中复发性疾病的预测决策树模型.
- 为模型开发利用手术和放射性 (131I) 治疗数据.
- 改进对个性化DTC管理的预后评估.
主要方法:
- 使用了一个有条件推断树 (c-tree) 回归模型.
- 潜在的预测因素包括患者人口统计,瘤阶段和治疗变量.
- 分析的关键因素是甲状腺蛋白 (Tg) 水平和治疗后全身扫描 (PT-WBS).
主要成果:
- 通过PT-WBS确定了远程转移,显著影响了无病生存率 (DFS).
- 甲状腺蛋白 (Tg) 水平分层的患者没有远程转移进入风险亚组.
- 特定的Tg切线预测了结构和生化复发的较短DFS.
结论:
- 为DTC复发开发了一个简单,准确的决策树模型.
- 该模型提供了持续/复发的DTC总体甲状腺切除术和I切除后的可靠概率.
- 该工具完善了风险分层,并指导了个性化治疗和后续策略.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
03:55Computer-Aided Three-Dimensional Visualization in the Treatment of Locally Advanced Thyroid Cancer
Published on: June 9, 2023
520