基于超声波的预测模型,用于区分恶性与良性甲状腺结节与外围化
Song Bai1, Linghu Wu1, Youhuan Su1
1Department of Ultrasound, Shenzhen People's Hospital, Shenzhen 518020, Guangdong, China (S.B., L.W., Y.S., J.X., F.D.).
Academic radiology
|May 20, 2025
概括
这项研究开发了一种预测性超声波 (US) 脑图,以区分恶性和良性甲状腺结节与外围化. 该模型准确地识别风险,提高了这些具有挑战性的病例的诊断精度.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 内分泌学 在内分泌学.
背景情况:
- 带有外围化的甲状腺结节在超声波 (美国) 中存在诊断挑战.
- 精确区分恶性和良性结节对于适当的患者管理至关重要.
研究的目的:
- 开发和验证基于美国的预测性名ogram模型.
- 为了区分恶性和良性甲状腺结节,表现出外围化.
主要方法:
- 对380个带有外围化的甲状腺结节进行了回顾性分析.
- 在268个训练节点上使用逻辑回归开发一个名图.
- 在使用AUC,校准曲线和DCA的112个独立节点上验证名图.
主要成果:
- 六个美国特征 (光环标志,挤出,化类型,边缘,回声性,组成) 是显著的预测因素.
- 该名录实现了高分辨率 (AUC 0.904培训,0.882验证).
- 决策曲线分析表明在特定的概率值内具有临床效用.
结论:
- 开发的基于美国的诺姆图有效地预测了带有外围化的甲状腺结节的恶性风险.
- 这种工具可以提高诊断准确度,帮助临床决策.
