基于临床特征的术后脑膜瘤切除状态的可预测性分析
Manfred Musigmann1, Burak Han Akkurt1, Hermann Krähling1
1Clinic for Radiology, University Hospital Münster, Albert-Schweitzer-Campus 1, DE-48149 Münster, Germany.
Cancers
|November 27, 2024
概括
预测脑膜瘤切除状态 (总切除与小切除) 在手术前是可能的,使用临床特征. 一个简单的决策树模型准确地预测切除结果,有助于手术和治疗规划.
科学领域:
- 神经外科 神经外科
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 脑膜瘤是中枢神经系统的主要瘤.
- 评估瘤切除的程度对于患者的治疗结果至关重要.
- 在术前预测术后切除状态可以优化治疗策略.
研究的目的:
- 使用临床特征调查术后脑膜瘤切除状态的可预测性.
- 基于辛普森分级的可预测性与术后手术瘤体积 (POTV) 的比较.
主要方法:
- 对23个临床特征的分析,以区分总体切除 (GTR) 和亚总切除 (STR).
- 开发和比较用于手术前预测GTR/STR的多变量模型.
- 使用157名患者队列和独立测试数据进行验证.
主要成果:
- 仅包含两个临床特征的模型表现出显著的歧视力.
- 最终的决策树模型实现了高预测性能:AUC为0.885,准确度为0.866,灵敏度为0.889,特异性为0.772.
- 该模型的可预测性与辛普森分级和POTV相关评估.
结论:
- 脑膜瘤切除状态的术前预测模型是可行的和准确的.
- 这些模型可以协助手术规划,并指导术后治疗决策,如放射治疗或放射外科手术.
- 临床决策树为日常神经外科实践提供了一个实用的工具.
