贝叶森模型用于预测胰腺癌中新辅助治疗后的R状态

科学领域:

• 在瘤学瘤学.
• 手术瘤学手术瘤学
• 生物统计学 生物统计学

背景情况:

• 胰腺管腺癌 (PDAC) 治疗包括彻底的手术和化疗,以获得最佳的生存率.
• 在新辅助治疗 (NAT) 后进行手术至关重要,但预测切除能力是当前放射学具有挑战性的.
• 手术边缘状态 (R状态) 是一个关键的病理预测结果,仅在手术后进行评估.

研究的目的:

• 开发一个贝叶斯模型来预测新辅助疗法后手术探索的成功.
• 估计在经过切除后NAT的PDAC患者中实现负外科边缘 (R0) 的可能性.

主要方法:

• 用贝叶斯逻辑回归模型来预测R1状态 (正边际).
• 患者数据包括经组织学确认的PDAC经过NAT后切除的患者.
• 用曲线下的面积 (AUC) 和后置可信区间来评估模型性能.

主要成果:

• 贝叶斯模型实现了0.72的AUC,证明了良好的预测性能.
• 与积极边缘相关的因素包括年龄较大,ASA得分较高,血管参与,瘤位置,缺少尺寸缩小,以及NAT后Ca19.9水平升高.
• 该模型利用手术前的数据来预测R状态.

结论:

• 本研究提出了第一个使用手术前数据预测PDAC患者NAT后R状态的贝叶斯方法.
• 该模型在预测外科手术边缘状态方面表现良好,有助于外科手术决策.
• 这种方法有可能改善手术规划和胰腺癌治疗患者的结果.