一种基于CT评估的身体组成参数的诺莫格拉姆模型,用于预测晚期胃癌的术后复发
Mengying Xu1, Le Wang1, Shuangshuang Sun1
1Department of Radiology, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing, 210008, China.
Abdominal radiology (New York)
|June 17, 2025
概括
一种使用CT评估的身体组成的新型诺莫格拉姆模型预测了晚期胃癌 (GC) 的无复发生存率. 这种工具有助于分层分类患者的风险,以便在手术后进行个性化监测.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 晚期胃癌 (GC) 在预测患者的结果方面带来了重大挑战.
- 准确预测无复发生存率 (RFS) 对于有效的治疗计划和患者管理至关重要.
- 通过计算机断层扫描 (CT) 评估的身体组成参数为患者的预后提供了潜在的见解.
研究的目的:
- 开发和验证用于预测晚期GC患者的RFS的诺莫格拉姆模型.
- 为了利用CT评估的身体组成参数作为nomogram中的预测指标.
- 根据开发的模型,对晚期GC患者的复发风险进行分层.
主要方法:
- 对111位局部晚期GC患者的回顾性分析.
- 收集手术前CT评估的身体组成和对酶体脂肪参数.
- 单变量和多变量考克斯分析以确定RFS的独立预测因子.
- 使用C指数,校准和ROC曲线进行诺摩图构造和性能评估.
主要成果:
- 开发了一种纳米图集骨肌指数,内脏脂肪组织辐射减弱和胰腺密度 (PD).
- 诺米图实现了0.743的C指数,表明了有利的预测性能.
- 该模型在预测RFS方面表现出与病理性瘤结节转移分类相比的可比或更高的有效性,特别是在3年和5年生存率方面.
- 卡普兰 - 梅尔分析证实了名谱能够有效地根据复发风险对患者进行分层 (p < 0.001).
结论:
- 开发的诺莫格拉姆模型显示了先进的GC中RFS的有希望的预测准确性.
- 该模型有效地根据患者的术后复发风险对患者进行分层.
- 这种工具可以帮助在临床实践中增强高级GC患者的个性化监测策略.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
381
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
201
