开发和验证一个诊断模型,以识别基于CT放射特征的小脏群体中的清细胞细胞癌:一个多中心研究
Jiayue Han1, Binghui Chen2, Ci Cheng2
1Department of Radiology, The Fifth Affiliated Hospital of Sun Yat-Sen University, No. 52 Meihua East Road, Zhuhai 519000, Guangdong, China; Department of Radiology, Inner Mongolia Autonomous Region People's Hospital, No. 20 Zhaowuda Road, Hohhot 010017, Inner Mongolia, China.
Academic radiology
|May 15, 2024
概括
使用临床和CT特征的新诊断模型准确地识别了小质中清细胞细胞癌 (ccRCC). 这种工具的性能优于经验丰富的放射科医生,可能减少不必要的活检.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 诊断技术 诊断技术 诊断技术
背景情况:
- 小型质 (SRMs) 带来诊断挑战,清细胞细胞癌 (ccRCC) 是最常见的亚型.
- 精确区分ccRCC对于适当的患者管理和避免不必要的干预至关重要.
研究的目的:
- 开发和验证一个综合临床和计算机断层扫描 (CT) 功能的诊断模型,用于识别SRM中的ccRCC.
- 将开发模型的诊断性能与经验丰富的放射科医生的诊断性能进行比较.
主要方法:
- 一项回顾性多中心研究,使用一组培训 (n=229) 和一组独立测试 (n=81) 病理确认的SRM.
- 基于对风险因素的逻辑回归分析的分类和回归树 (CART) 诊断模型的开发.
- 使用曲线下的面积 (AUC) 评估CART模型的性能,并与放射科医生的诊断与没有模型辅助进行比较.
主要成果:
- 在测试队列中,CART模型实现了0.90的AUC,用于识别ccRCC.
- 在CART模型的帮助下,放射科医生的AUC从0.65-0.78到0.87-0.93的范围内得到改善.
- 该CART模型显著改善了放射科医生之间的观察者间一致性 (0.323比0.654,P<0.001).
结论:
- 开发的CART模型表明,与经验丰富的放射科医生相比,SRM中ccRCC的诊断疗效优越.
- 该模型有可能提高诊断准确度,减少对活检等侵入性手术的需求.
- 该模型的临床实施可以优化患有小质量的患者的管理.
