在T2结肠癌中淋巴结转移的风险:全国性基于人口的队列研究

科学领域:

• 在瘤学瘤学.
• 手术瘤学手术瘤学
• 机器学习在医学中的应用

背景情况:

• 风险分层对于T2结肠癌 (CC) 治疗至关重要,类似于T1CC.
• 鉴定淋巴结转移 (LNM) 风险较低的T2 CC患者可以帮助避免不必要的重大手术.
• 预测模型可以帮助选择患者进行局部治疗和密集后续治疗.

研究的目的:

• 开发和评估预测模型,以识别LNM风险较低的T2 CC患者.
• 支持关于T2 CC.治疗策略的临床决策.
• 允许考虑不太侵入性的治疗方法和量身定制的后续计划.

主要方法:

• 一项针对接受手术的pT2 CC患者 (2012-2020) 的全国性队列研究.
• 利用了与全国病理数据库相关联的荷兰色直肠审计数据.
• 评估了四种机器学习模型来预测LNM,重点是一般线性模型.

主要成果:

• 在9803名患者中,有19.1%的人患有LNM. 对LNM的独立风险因素包括年轻的年龄,左侧的CC,差异化和淋巴血管入侵 (LVI).
• 缺陷的不匹配修复 (MMR) 状态显著降低了LNM风险 (OR 0.3).
• 一般线性模型实现了最高的预测准确性 (AUC 0.67-0.68). 没有风险因素的老年患者 (≥74岁) 患有10.7%的LNM风险,但并发症率高 (30%).

结论:

• 临床医生应权衡LNM风险与T2 CC患者的手术风险.
• 开发的模型可以帮助做出有关竞争风险的明智决策.
• 这些发现可以加强临床医生和患者之间的共同决策.