应用一种基于多模式的新型深度学习模型来预测乳头甲状腺癌复发的情况

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学

背景情况:

• 乳头甲状腺癌 (PTC) 是最常见的甲状腺癌.
• 虽然PTC通常是可以治愈的,但在甲状腺切除术后的某些患者中可能会复发.
• 有效的复发预测对于患者管理至关重要.

研究的目的:

• 开发和评估一种用于预测PTC复发的新型多式联络模型.
• 用数字和时间序列患者数据评估模型的准确性.
• 调查该模型在临床后续设置中的潜力.

主要方法:

• 在2006年至2021年期间,对1613名接受甲状腺切除术的患者进行了分析.
• 临床数据和手术后甲状腺功能测试时间序列数据的整合.
• 使用加权二进制交叉对于不平衡的数据和四倍交叉验证.

主要成果:

• 该模型实现了0.9622.2的曲线下的高面积 (AUC).
• 显示出强大的性能,灵敏度为0.9042和特异性为0.9077.
• 在临床表现之前至少一年,预测了复发.

结论:

• 多式联络模型对预测PTC复发有显著的前景.
• 早期预测可以促进及时干预并改善患者的治疗结果.
• 这种模型可以成为PTC患者临床随访中的一个有价值的工具.