对恶性甲状腺结节的新生物标志物的鉴定:基于超声波的初步研究
Zufei Li1, Kaifeng Wang2, Junpu Qu3
1Department of Otorhinolaryngology, Head and Neck Surgery, Beijing Chaoyang Hospital, Capital Medical University, Beijing, 100020, China.
Annals of biomedical engineering
|March 3, 2025
概括
新的超声波奥米克标记物在改善诊断恶性甲状腺结节的准确性方面表现有前途. 结合这些新功能的机器学习模型比没有这些新功能的机器学习模型取得了更高的性能,这表明了临床实用性.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 甲状腺结节的诊断传统上依赖于主观的超声波评估.
- 超声波奥米克技术提供客观,定量特征超出视觉解释.
- 准确识别恶性甲状腺结节对于患者管理至关重要.
研究的目的:
- 使用超声波的奥米克来探索恶性甲状腺结节的新型标记物.
- 应用机器学习 (ML) 技术,以提高诊断准确度.
- 为了确定甲状腺癌检测的显著超声波奥米克特征.
主要方法:
- 分析了1056个甲状腺结节 (469个恶性,587个良性) 的确诊病理.
- 使用pyRadiomics和传统的超声波特征提取104个超声波omics特征.
- 开发和验证ML模型,包括随机森林,通过拉索和SHAP分析选择特征.
主要成果:
- 鉴定出了7种针对恶性甲状腺结节的新型超声波OMIC标记物.
- 采用这些标记物的随机森林模型实现了89.6%的准确性,90.2%的灵敏性和89.7%的AUC.
- 排除七个标记器显著降低了模型性能,证实了它们的重要性.
结论:
- 新型超声波奥米克标记物显示出提高甲状腺结节诊断准确性的潜力.
- 这些标记物可以作为当前诊断协议的有价值的补充.
- 需要进一步的研究来验证这些发现的临床实用性.
