基于超声波的诺莫图谱,以使用机器学习来预测乳头甲状腺癌的复发情况
Binqian Zhou1, Jianxin Liu1, Yaqin Yang1
1Department of Ultrasound, The Central Hospital of Wuhan, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, 430014, China.
BMC cancer
|July 7, 2024
概括
结合临床病理学因素和超声波放射学的新型诺米图有效预测乳头甲状腺癌 (PTC) 复发. 这种工具有助于识别患有复发风险较高的患者,改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是指放射学
- 医疗成像医学成像
背景情况:
- 乳头甲状腺癌 (PTC) 复发是常见的,可能是致命的.
- 预测PTC复发对于患者的管理和生存至关重要.
- 当前的预测方法可能无法完全捕捉复发风险.
研究的目的:
- 开发一个PTC复发的预测模型.
- 将临床病理学特征与超声波放射学相结合.
- 为在PTC患者中增强复发预测创建一个名图.
主要方法:
- 从554名PTC患者的超声波图像中提取了放射性特征.
- 使用考克斯回归和LASSO进行特征选择.
- 使用临床病理学数据和放射学签名构建了一个结合的名图.
- 通过使用ROC曲线,校准曲线和DCA验证了nomogram的性能.
主要成果:
- 组合的诺米克实现AUC为0.851 (培训) 和0.885 (验证).
- 与仅使用临床或放射学数据的模型相比,名图显示出更高的预测性能.
- 较高的放射性和风险评分与较低的无复发生存率 (RFS) 有关.
结论:
- 纳米图集临床病理变量和超声波放射学为PTC复发预测提供了出色的性能.
- 开发的诺米图是评估PTC患者复发风险的宝贵工具.
- 这种方法提高了预测和管理PTC复发的能力.


