一个基于机器学习的模型,用于手术前评估和预测患有未确定重要性甲状腺结节的无型症患者的恶性病变
Gilseong Moon1, Jae Hyun Park1, Taesic Lee2
1Division of Thyroid-Endocrine Surgery, Department of Surgery, Wonju Severance Christian Hospital, Yonsei University Wonju College of Medicine, Wonju 26426, Republic of Korea.
Journal of clinical medicine
|January 8, 2025
概括
中性粒细胞与淋巴细胞的比率 (NLR) 可以帮助预测甲状腺癌的患者与不确定的意义 (AUS) 的节的类型. 添加NLR可以提高年轻患者的准确性,帮助手术决策.
科学领域:
- 内分泌学 在内分泌学.
- 在瘤学瘤学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 不确定的重要性 (AUS) 甲状腺结核的亚型症是一个诊断挑战,通常需要手术来排除恶性病变.
- 需要预测性生物标志物来提高手术前诊断的准确性,并指导手术管理.
研究的目的:
- 确定在AUS结节中甲状腺恶性瘤的手术前临床和血液学预测因素,包括中性粒细胞与淋巴细胞的比率 (NLR).
- 开发一种基于机器学习的模型,用于预测这些患者的恶性瘤.
主要方法:
- 对280名接受了AUS结节手术的患者进行了回顾性分析.
- 通过交叉验证训练和验证了后勤回归和机器学习模型.
- 使用诸如接收器操作特征曲线 (AUROC) 下面面积等指标来评估性能.
主要成果:
- 甲状腺恶性瘤在41.4%的患者中得到证实 (116/280).
- 恶性瘤的独立预测因素包括年龄,瘤大小和K-TIRADS分类,特别是在55岁以下的患者中.
- 在年轻患者的小组中,纳入NLR显著提高了恶性瘤预测的准确性.
结论:
- 中性粒细胞与淋巴细胞的比率 (NLR) 是一个有价值,可获得和具有成本效益的生物标志物,用于预测AUS结节的年轻患者的甲状腺恶性病变.
- 将NLR整合到手术前评估中可以完善这个患者群体的手术决策.
