在线集群算法预测前列腺癌模型,基于不同PSA群体的PHI相关变量和PI-RADS
Jiyuan Hu1,2, Qi Miao3, Jiayi Ren4
1Department of Urology, The First Affiliated Hospital of China Medical University, Shenyang, 110002, Liaoning, China.
Cancer cell international
|February 13, 2025
概括
这项研究引入了一种新的集群模型,以改善使用前列腺健康指数 (PHI) 的前列腺癌风险评估. 该模型为临床诊断提供了更好的可视化和可靠性,特别是对于 PSA 水平升高的患者.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 前列腺癌是男性的主要恶性瘤.
- 目前的诊断工具,如PSA和PHI缺乏具体性.
- 现有的风险名图很难可视化.
研究的目的:
- 确定前列腺健康指数 (PHI) 的最佳负预测值 (NPV).
- 开发前列腺癌风险分层的可视化集群模型.
- 帮助临床决策,特别是对于PSA>20 ng/mL的患者.
主要方法:
- 从708名患者 (培训) 和143名患者 (验证) 收集数据.
- 确定最佳和定制的PHI截止值和计算的NPV/PPV.
- 采用后勤回归和集群算法,在线验证模型.
主要成果:
- 为不同的PSA子组建立了最佳的PHI切割值.
- 集群模型表现出卓越的性能 (轮系数高达0.572).
- 验证队列显示高AUC值 (高达0.833) 和准确性 (高达90.38%).
结论:
- 开发的集群模型有效地对前列腺癌风险进行了分类.
- 该模型提供了清晰的可视化,并证明了稳定性和可靠性.
- 这种工具可以帮助在临床实践中早期和准确诊断前列腺癌.
