基于GEE模型的胃癌患者的淋巴结转移中增强CT和病理指标的预测值
Ling Yang1, Yingying Ding1, Dafu Zhang1
1Department of Radiology, the Third Affiliated Hospital of Kunming Medical University, Yunnan Cancer Hospital, Yunnan Cancer Center, Kunming, 650118, China.
BMC medical imaging
|February 2, 2025
概括
使用增强型CT扫描,实验室结果和活检数据的新模型有效预测胃癌中淋巴结转移. 这种工具有助于淋巴结分期和临床决策,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 病理学 病理学 病理学
背景情况:
- 胃癌的分期严重依赖于精确的淋巴结转移 (LNM) 评估.
- 目前用于LNM预测的方法可能是侵入性的或缺乏精度.
- 开发非侵入性,有效的预测工具对于治疗规划至关重要.
研究的目的:
- 开发和验证胃癌中单个淋巴结转移 (LNM) 的预测模型.
- 整合增强的计算机断层扫描 (CT) 发现,实验室结果和病理指标.
- 为临床实践中LNM预测提供一个方便和有效的工具.
主要方法:
- 对66名胃癌患者 (235个淋巴结) 的回顾性审查.
- 数据包括临床信息,实验室结果,增强的CT特征和活检病理学.
- 开发并验证了一种带有概括估计方程 (GEE) 的多变量后勤回归模型.
主要成果:
- 淋巴结增强模式,Ki67水平和长轴直径是LNM的独立预测因素 (p < 0.01).
- GEE-物流模型显示与LNM有显著的关联 (p = 0.001).
- 该模型实现了高精度 (训练:0.897,验证:0.798) 和AUC (训练:0.944,验证:0.836).
结论:
- 整合CT增强,Ki67和淋巴结大小的预测模型有效预测胃癌中的LNM.
- 该模型表现出强大的性能,有助于淋巴结分期.
- 这种工具可以改善胃癌患者的临床决策.
