用增强型计算机断层扫描确定细胞外体积分量的预测值,用于清细胞细胞癌的病理分类:一项初步研究
Jian Liu1,2,3, Xunlan Zhang2,3, Rui Lv3
1Key Laboratory of Advanced Medical Imaging and Intelligent Computing of Guizhou Province, Engineering Research Center of Text Computing & Cognitive Intelligence, State Key Laboratory of Public Big Data, College of Computer Science and Technology, Ministry of Education, Guizhou University, No. 2708, Huaxi Avenue, Guiyang, 550025, Guizhou, China.
通过增强CT测量细胞外体积分数 (ECV) 可以预测清细胞细胞癌 (ccRCC) 的病理级别. 这种定量方法提供了一个精确的体内生物标志物,用于区分ccRCC中的瘤等级.
科学领域:
- 放射学和成像学 放射学和成像学
- 在瘤学瘤学.
- 病理学 病理学 病理学
背景情况:
- 清细胞细胞癌 (ccRCC) 的分级对于治疗决策至关重要.
- 通过传统方法,精确的ccRCC病理分类可能具有挑战性.
- 客观瘤评估需要非侵入性生物标志物.
研究的目的:
- 评估细胞外体积分数 (ECV) 使用增强型计算机断层扫描 (CT) 作为ccRCC的病理分级的工具.
- 为了确定ECV是否能区分低级和高级ccRCC.
- 在ccRCC分级中评估ECV的诊断性能.
主要方法:
- 从65名ccRCC患者的增强型CT扫描进行了回顾性分析.
- 从未增强和查阶段计算ECV.
- 跨ISUP等级的ECV统计分析和ROC曲线分析用于诊断疗效.
主要成果:
- 在ISUP等级之间,ECV显示出显著的差异 (P=0.035),表明其作为高等级ccRCC预测器的潜力.
- 在低级和高级cccRCC评估中,ECV显示出高诊断效率 (AUC=0.976).
- 41.64%的最佳ECV值产生了91.31%的灵敏度和97.62%的特异性.
结论:
- 来自增强CT的ECV作为潜在的体内生物标志物用于区分ccRCC病理等级.
- 这种定量CT测量为客观瘤分类提供了超越定性特征的诊断价值.
- ECV提供了对ccRCC瘤等级的更精确和客观的评估.
更多相关视频
10:25Author Spotlight: Integrating High-Resolution Intravital Imaging and MRI to Enhance Stereotactic Body Radiation Therapy Planning
Published on: April 12, 2024
09:00Spatial Measurements of Perfusion, Interstitial Fluid Pressure and Liposomes Accumulation in Solid Tumors
Published on: August 18, 2016