一种放射病理学模型,用于预测临床N0乳头甲状腺癌中大量的宫淋巴结转移
Weihan Xiao1,2, Wang Zhou3, Hongmei Yuan4
1Department of Ultrasound, Chengdu Second People's Hospital, Chengdu, China.
European radiology
|January 29, 2025
概括
一种结合超声波 (美国) 和细针吸收细胞学 (FNAC) 的新型放射病理学模型准确地预测了状甲状腺癌 (PTC) 患者的大量宫淋巴结转移 (CLNM). 这种多模式的方法可以改善临床淋巴结阴性 (cN0) PTC 的术前诊断和治疗计划.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 精确的宫淋巴结转移 (CLNM) 的术前预测对于指导乳头甲状腺癌 (PTC) 治疗至关重要.
- 目前使用单一成像方式或细胞学的诊断方法在临床淋巴结阴性 (cN0) PTC患者中预测大量的CLNM方面存在局限性.
研究的目的:
- 开发和验证一个多模式放射病理学模型,集成手术前超声波 (US) 和细针吸收细胞学 (FNAC) 数据.
- 与单一模式模型相比,提高cN0 PTC患者中大量CLNM的预测准确度.
主要方法:
- 一项多中心回顾性研究包括426名PTC患者.
- 从美国图像中提取了放射学特征,从FNAC图像中提取了病理特征.
- 机器学习算法被用来构建放射学,病理学和联合放射病理学模型,其性能由AUC和准确性评估.
主要成果:
- 多模式放射病理学模型实现了高预测性能,AUC为0.921 (培训),0.873 (验证) 和0.903 (测试).
- 这种模型在预测大量的CLNM方面明显优于临床模型,仅放射学模型和仅病理学模型.
- 放射病理学模型在所有评估的队列中表现出卓越的准确性,灵敏性和特异性.
结论:
- 多模式放射病理学模型在对cN0 PTC进行大量CLNM的术前预测方面取得了重大进展.
- 这种综合方法提供了更强大的诊断工具,帮助临床医生优化PTC患者的治疗策略.
