临床和CT特征用于预测同步多重原发性肺腺癌患者的淋巴结转移
Yantao Yang1, Ziqi Jiang2, Qiubo Huang1
1Department of Thoracic and Cardiovascular Surgery, Yunnan Cancer Hospital, the Third Affiliated Hospital of Kunming Medical University, Kunming City, China.
BMC medical imaging
|October 30, 2024
概括
在同步多重原发性肺癌 (sMPLC) 中预测淋巴结转移 (LNM) 通过结合临床和CT特征而得到改善. 这种综合方法为淋巴结管理决策提供了更好的预测效率.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 胸部外科手术 胸部外科手术
背景情况:
- 同步多重原发性肺癌 (sMPLC) 提出了独特的诊断和治疗挑战.
- 淋巴结转移 (LNM) 是肺癌管理中的关键预后因素.
- 准确的手术前预测LNM对于优化手术策略和患者结果至关重要.
研究的目的:
- 确定与同步多重原发性肺癌 (sMPLC) 患者的淋巴结转移 (LNM) 相关的临床和计算机断层扫描 (CT) 特征.
- 在sMPLC中开发LNM的预测模型,使用结合的临床和CT数据.
- 为手术前的LNM评估提供指导,并告知淋巴结 (LN) 切除策略.
主要方法:
- 从688名sMPLC患者 (2018-2022) 的临床数据和CT特征的回顾性分析.
- 将淋巴结转移 (LNM) 和非LNM (n-LNM) 分类为组进行比较分析.
- 单变量和多变量逻辑回归分析以确定LNM的独立预测因子.
- 接收器操作特征 (ROC) 曲线分析,以评估单个因素和组合模型的诊断有效性.
主要成果:
- 在688名患者中,59人患有LNM. 在性别,吸烟史,瘤标志物 (CYFRA21-1,CEA,NSE),病变类型,总病变直径,主要病变直径和CT标志 (吐槽,球膜,腔,膜伸缩) 方面,观察到LNM和n-LNM组之间的显著差异.
- 独立的LNM预测因素包括CEA水平 (OR=1.042),病变类型 (OR=9.683) 和主要病变直径 (OR=1.677).
- 结合CEA水平,病变类型和主要病变直径的综合预测模型实现了0.895的AUC,明显优于单个因素.
结论:
- 临床和CT成像特征的结合提供了一种可靠的方法,用于预测同步多重原发性肺癌 (sMPLC) 中的淋巴结转移 (LNM).
- 开发的预测模型与单个参数相比显示出更高的效率,为手术前LNM评估提供了有价值的工具.
- 这种预测能力可以显著帮助制定针对sMPLC患者的个性化淋巴结管理和切除策略.
