以声学临床特征为基础,开发和验证用于预测肺癌的诺姆图

科学领域:

• 在瘤学瘤学.
• 医学声学 医学声学
• 生物统计学 生物统计学

背景情况:

• 肺癌对全球健康构成重大挑战,需要改进早期检测和诊断工具.
• 目前的诊断方法可能具有侵入性或缺乏足够的敏感性,无法在早期检测.

研究的目的:

• 开发和验证利用声学和临床特征,用于肺癌的预测性名录.
• 通过一种新型的诺米图,提高肺癌风险评估的准确性和可访问性.

主要方法:

• 从350名参与者的语音数据中提取了声学特征 (189名肺癌患者,161名对照).
• 最小绝对收缩和选择操作员 (LASSO) 回归确定了最佳的声学特征.
• 一个多变量逻辑回归模型整合了声学和临床数据来创建名图,使用AUC,校准曲线和决策曲线分析 (DCA) 进行验证.

主要成果:

• 声学临床名录显示出强大的区分能力,曲线下的面积 (AUC) 值为0.774 (训练组) 和0.714 (测试组).
• 该模型在测试组中实现了0.642的精度,0.673的灵敏度和0.611的特异性.
• 在AUC,准确性和特异性方面,诺米图表表现优于其他六种机器学习模型,通过DCA显示出出色的校准和临床实用性.

结论:

• 开发的声学临床名录是一个强大的工具,具有显著的辨别能力,校准和临床实用性,用于肺癌预测.
• 这种名图代表了肺癌的早期检测和风险评估的宝贵,非侵入性补充.