重新评估经过跨形手术后非功能性垂体腺瘤手术复杂性的预测:修改后的TRANSSPHER等级
Giorgio Fiore1,2,3, Giulio A Bertani1, Stephanie E Baldeweg4
1Unit of Neurosurgery, Fondazione IRCCS Ca' Granda Ospedale Maggiore Policlinico, Milan, Italy.
Pituitary
|February 3, 2025
概括
一个新的临床评分,修改后的TRANSSPHER等级,准确地预测了非功能性垂体腺瘤的外科复杂性. 这一分数提高了总体切除的预后,有助于手术决策.
科学领域:
- 神经外科 神经外科
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 对手术复杂性的准确预测对于垂体外科手术至关重要.
- 非功能性垂体腺瘤 (NFPAs) 提出了独特的外科手术挑战.
- 优化决策和患者咨询需要可靠的预测工具.
研究的目的:
- 在NFPA手术中开发和验证用于预测总体切除 (GTR) 的临床评分.
- 使用外部验证的机器学习 (ML) 模型进行预测.
- 在NFPA管理中改进外科复杂性的预测指标.
主要方法:
- 从两个国际三级医疗中心收集了临床和放射学数据.
- 在不同的患者数据集上训练并测试了三个ML分类器,用于GTR预测.
- 通过特征重要性分析和层次树检查,确定了手术复杂性的关键预测因素.
主要成果:
- 机器学习模型,特别是随机森林,准确地预测了GTR (加权F1得分为0.87).
- 关键预测因素包括Knosp等级,瘤直径,一致性和细胞以上扩展.
- 与TRANSSPHER等级相比,修改后的 (m) -TRANSSPHER等级在预测GTR方面表现优越 (AUC为0.85对比0.79).
结论:
- 从经过验证的ML算法中获得的m-TRANSSPHER等级,为NFPAs的手术复杂性提供了更高的预后准确性.
- 这种精细的分级系统改进了预测外科手术结果的现有尺度.
- 这项研究强调了ML在精细化下垂体外科手术临床决策工具中的实用性.
