整合多模式特征来预测肺部地玻璃结节的恶性瘤:一个多中心前性模型开发和验证研究
Yuanhui Wei1, Wei Zhao2, Zhen Wu2
1School of Medicine, Nankai University, Tianjin, China.
Frontiers in oncology
|April 7, 2025
概括
一个新的临床生物标志物结合深度放射性 (CB-DR) 模型准确地预测了肺地面玻璃结节 (GGN) 恶性病. 这种工具有助于临床决策,减少过度诊断和过度治疗GGNs.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 生物标志物的分析分析.
- 医疗保健中的人工智能
背景情况:
- 肺部地面玻璃结节 (GGNs) 的非侵入性评估的临床需要,以防止过度诊断和过度治疗.
- 对GGN恶性瘤的准确预测模型的开发对于患者管理至关重要.
研究的目的:
- 开发和验证一个临床-生物标志物-结合深度放射性 (CB-DR) 模型,用于预测GGN恶性瘤.
- 评估模型在歧视,校准和临床实用性方面的表现.
主要方法:
- 从中国七个医疗中心招募了GGN患者.
- 开发了六种预测模型:CR,B-CR,DR,C-DR,B-DR和CB-DR,使用临床,放射和生物标记特征.
- 根据病理学结果,在一个单独的测试组上验证模型.
主要成果:
- CB-DR模型表现出最高的性能,AUC为0.90.
- 获得了0.89的精度,0.90的灵敏度和0.82.8的特异性.
- 该CB-DR模型可以减少82.4%的良性GGNs的过度治疗,并为90.0%的恶性GGNs提供及时干预.
结论:
- 该CB-DR模型在预测GGN恶性瘤方面表现令人满意.
- 这种模型有可能成为GGN管理中临床决策的有价值工具.
