基于多参数双能量非对比CT的预测模型来区分良性和恶性肝病变

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 在瘤学瘤学.

背景情况:

• 区分良性和恶性肝病变对于适当的患者管理至关重要.
• 增强对比度的CT是标准的,但会带来诸如过敏反应和病等风险.

研究的目的:

• 开发和验证用于区分良性和恶性肝病变的预测模型 (PMs),使用非对比双能CT (DECT) 的定量数据.

主要方法:

• 对121名患有肝病变的患者进行了回顾性分析,这些患者接受了非对比性DECT.
• 量化多参数数据被提取并使用后勤回归分析以创建PMs.
• 模型是在衍生队列中开发的,并在单独的组中验证.

主要成果:

• 产生了五个PM,其中PM5 (包括斜率K,有效Z差异和血液量化) 显示了最高的诊断性能 (曲线下的面积高达0.90).
• 在单变量分析中,所有参数都是显著的 (p < 0.05).
• PM5在良性病变和恶性病变之间有很好的区别.

结论:

• 多参数非对比DECT是一种高效的工具,用于区分肝脏病变.
• 这种方法为患有对比剂的禁忌的患者提供了安全的替代方案.
• 开发的PM可以帮助临床决策和治疗策略规划.