使用CT放射学临床模型开发和验证个性化的诺米克图,用于预测胃癌的远程转移
Hui-Bin Xue1, Mei-Li Liang2, Huang-Zhen Xu1
1Department of Digestive Tumor, The Second Affiliated Hospital of Fujian Medical University, Quanzhou, China.
Frontiers in oncology
|December 30, 2024
概括
结合临床因素和放射性特征的新联合模型准确预测胃癌 (GC) 患者的远程转移. 这种工具有助于早期识别高风险个体,以改善结果.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 数据科学数据科学数据科学
背景情况:
- 胃癌 (GC) 构成了重大的全球健康挑战,远程转移是患者预后的主要决定因素.
- 准确预测转移风险对于定制治疗策略和改善患者存活率至关重要.
- 当前的评估方法可能无法充分捕捉导致转移潜力的复杂因素.
研究的目的:
- 开发和验证一个可靠的模型来评估胃癌患者远程转移的风险.
- 整合临床预测因素和放射性特征,以提高预测准确度.
- 为早期识别高风险GC患者建立一个工具.
主要方法:
- 对301名胃癌患者 (210名培训,91名测试) 的回顾性分析.
- 使用逻辑回归识别独立的临床预测因素 (年龄,组织学等级,N阶段).
- 从静脉相计算断层扫描 (VPCT) 图像中提取和选择放射性特征,使用单变量分析,斯皮尔曼相关性和拉索回归.
- 建立临床,放射学和联合模型 (逻辑回归和机器学习算法).
主要成果:
- 结合临床预测因素和15个放射性特征的联合模型,与临床 (AUC 0.781) 和仅放射性模型 (AUC 0.740) 相比,显示出更高的预测性能 (AUC 0.880).
- 基于后勤回归的联合模型显示出比基于SVM的联合模型更好的性能.
- 决策曲线分析证实了开发的联合模型的优越临床净益.
结论:
- 整合放射性特征和临床预测因子的诺米图为预测胃癌的远程转移提供了一个强大的工具.
- 这种模型有助于早期识别高风险患者,使得及时和个性化干预成为可能.
- 这些发现支持放射学在改善胃癌分期和管理方面的临床实用性.
