一个基于计算机断层扫描特征的预测模型,用于识别恶性从良性亚厘米固体肺结节的恶性肺结节
Shu-Lei Cui1, Lin-Lin Qi1, Jia-Ning Liu1
1Department of Diagnostic Radiology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Journal of thoracic disease
|August 15, 2024
概括
这项研究开发了一种计算机断层扫描 (CT) 预测模型,以区分恶性和良性亚厘米固体肺结节 (SSPN). 该模型使用CT特征,在区分恶性SSPN方面表现良好,有助于早期诊断.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 从临床上讲,区分良性和恶性亚厘米固体肺结节 (SSPNs) 是具有挑战性的.
- 早期诊断恶性SSPNs对于改善患者的生存和预后至关重要.
研究的目的:
- 调查恶性SSPNs的危险因素.
- 建立和验证使用计算机断层扫描 (CT) 特征的预测模型,用于早期诊断恶性SSPNs.
主要方法:
- 来自中心1的261个SSPN (161个恶性,100个良性) 的回顾性分析,分为培训 (n=183) 和验证 (n=78) 集.
- 多变量后勤分析确定了恶性瘤的独立预测因素.
- 在中心2的69个SSPN进行了外部验证.
主要成果:
- 确定了四个独立的预测因素:瘤-肺界面,螺旋,空气支气管图和中间骨窗口的隐形性.
- 预测模型在训练组中实现了0.875的AUC,在内部验证组中达到0.781,在外部验证组中达到0.873.
- 在验证集中观察到高灵敏度和特异性,表明强大的预测效果.
结论:
- 基于CT的预测模型可以有效地帮助区分恶性和良性SSPN.
- 这种模型有可能改善肺结节的早期诊断和管理.
