使用多模式成像预测状甲状腺癌中中枢淋巴结转移的多区域诺莫图:一项多中心研究

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 中枢淋巴结转移 (CLNM) 显著增加了复发风险,并降低了皮囊性甲状腺癌 (PTC) 的存活率.
• 目前在PTC中预测CLNM的方法不足,需要先进的预测模型.

研究的目的:

• 开发和验证一个多式联网和多区域名录 (MMRN) 用于预测PTC中的CLNM.
• 整合深度学习超声波 (美国) 功能,计算机断层扫描 (CT) 脂肪放射学和临床数据以提高预测.

主要方法:

• 分析了来自两个中心的661名PTC患者队列,分为初级,内部测试 (ITC) 和外部测试 (ETC) 队列.
• Resnet50用于美国图像分析,并从CT扫描中提取了放射性特征.
• 最小绝对收缩和选择操作员 (LASSO) 回归用于特征选择,性能通过五倍交叉验证得到验证.

主要成果:

• 在ITC中,MMRN实现了0.829的曲线下的面积 (AUC),在ETC中达到0.818.
• 该模型表现出良好的校准和临床实用性,在灵敏度和特异性方面表现优于放射科医生的评估.
• 包括脂肪放射学显著提高了分类准确性,由净重新分类改进 (NRI) 和综合歧视改进 (IDI) 表示.

结论:

• 开发的MMRN是PTC中预测CLNM的强大工具,其性能与专家放射科医生相美.
• 脂肪放射特征为PTC中CLNM预测提供了有价值的补充信息,增强了多式模式.