预测模型的ipsilateral II级淋巴结转移在乳头甲状腺癌的乳头甲状腺癌
Koji Ushiro1, Ryo Asato1, Ryosuke Yamashita1
1Department of Otolaryngology - Head & Neck Surgery, National Hospital Organization Kyoto Medical Center, 1-1 Mukaihata-cho, Fukakusa, Fushimi-ku, Kyoto 612-8555, Japan.
Auris, nasus, larynx
|April 22, 2025
概括
机器学习模型可以准确地预测乳头甲状腺癌 (PTC) 中的淋巴结转移. 这有助于决定是否进行II级解剖,可能减少手术并改善结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 手术瘤学手术瘤学
背景情况:
- 在乳头甲状腺癌 (PTC) 中的ipsilateral II级淋巴结转移 (LNM) 影响了手术决策.
- 在部侧面解剖 (LND) 中进行II级解剖的必要性受到争议.
- 准确预测LNM可以改进外科手术策略,并最大限度地减少不必要的程序.
研究的目的:
- 开发和评估机器学习模型,用于预测PTC患者的ipsilateral II级LNM.
- 通过使用手术前数据,确定II级LNM的关键预测因素.
- 在PTC管理中支持个性化外科决策.
主要方法:
- 对接受LND.的138名PTC患者的回顾性分析.
- 使用决策树 (DT),随机森林 (RF) 和支持矢量机器 (SVM) 来进行预测建模.
- 训练有素的模型与手术前患者背景和成像发现,使用10倍交叉验证和AUC/Brier分数进行验证.
主要成果:
- 在39.9%的患者中发现了ipsilateral II级LNM.
- DT模型确定了预测因素:II级LNM大小,可疑的III级节点,上极延伸和III/IV级节点 (AUC:0.831).
- 射频和SVM模型显示出优异的预测性能 (射频AUC:0.901,SVMAUC:0.929),具有类似的重要特征.
结论:
- 机器学习模型显示出在PTC中预测ipsilateral II级LNM的巨大潜力.
- 结果支持在精心挑选的病例中选择性地省略II级解剖.
- 这种方法可以在不影响瘤结果的情况下降低手术发病率.
