基于机器学习的放射学用于指导临床I期肺腺癌的淋巴结剖析:一个多中心的回顾性研究
Hao Zhang1, Yuan Li1,2, Sikai Wu1
1Department of Thoracic Surgery, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Translational lung cancer research
|January 20, 2025
概括
这项研究开发了一种放射学模型,用于预测早期肺腺癌 (LUAD) 时的淋巴结转移 (LNM). 该模型准确评估LNM风险,帮助肺癌患者进行手术规划.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 手术前的淋巴结状况对于肺癌管理至关重要,影响手术和治疗决策.
- 传统的成像技术在临床I期肺腺癌 (LUAD) 中缺乏检测淋巴结转移 (LNM) 的灵敏度.
- 准确的LNM评估具有挑战性,但对于优化早期LUAD治疗策略至关重要.
研究的目的:
- 开发和验证一个放射学预测模型,用于早期评估临床阶段I LUAD中的LNM风险.
- 利用多中心数据进行可靠的模型开发和验证.
- 在早期肺癌中为明智的淋巴结剖析策略提供基础.
主要方法:
- 使用了578名LUAD患者的多中心数据集,分为培训,测试和验证组.
- 从手术前的胸部CT扫描中提取了1316个放射性特征.
- 最小绝对收缩和选择操作员 (LASSO) 分析和后勤回归用于特征选择和模型构建.
主要成果:
- 放射学模型表现出高预测性能,AUC在不同队列中从0.870到0.915不等.
- 放射学和复合模型在预测LNM方面显著优于临床模型.
- 决策曲线分析表明了放射学名图的临床实用性.
结论:
- 一个经过验证的放射学预测模型在I阶段的LUAD患者中促进了准确的LNM评估.
- 该模型有助于在手术前就淋巴结剖析策略做出决定.
- 这种方法改善了早期 LUAD 瘤结节转移 (TNM) 阶段的确定.
