通过超声波成像特征和临床参数,开发和验证机器学习模型,用于通过超声波成像特征和临床参数来对单独的乳头甲状腺小癌中中枢隔离性淋巴结转移进行验证
Haiyang Han1, Heng Sun1, Chang Zhou2
1Department of Ultrasound, The First College of Clinical Medical Science, China Three Gorges University & Yichang Central People's Hospital, Yichang, 443003, China.
BMC medical imaging
|July 2, 2025
概括
结合超声波放射学和临床数据的新模型可以预测皮质甲状腺微癌 (PTMC) 中的中央隔间淋巴结转移. 这有助于在微波切除前做出个性化治疗决策.
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:
- 乳头甲状腺微瘤 (PTMC) 是最常见的恶性甲状腺癌亚型.
- 准确的中部隔间淋巴结转移 (CCLNM) 的术前评估对于个性化治疗策略至关重要,包括微波切除.
- 在PTMC患者中开发CCLNM风险分层的预测模型至关重要.
研究的目的:
- 开发和验证单独PTMC中CCLNM的预测模型.
- 该模型将超声波放射学特征与临床参数相结合.
- 在微波切除前支持个性化治疗决策.
主要方法:
- 480名PTMC患者的回顾性分析,分为培训 (336) 和验证 (144) 集.
- 超声波放射性特征被提取并使用多种特征选择方法进行分析.
- 结合预测模型是使用后勤回归来开发的,并通过额外的特征选择来改进.
主要成果:
- 结合年龄,哈西莫托甲状腺炎和精选的放射性特征的综合模型显示出强大的预测性能.
- 该模型的AUC值为0.767 (训练组) 和0.729 (验证组).
- 这表明CCLNM风险分层的预测效果优越.
结论:
- 整合超声波放射学和临床数据的机器学习模型显示了在PTMC中进行手术前CCLNM风险分层的潜力.
- 这种方法可以帮助个性化治疗计划PTMC患者.
- 建议在更大,更多样化的群体中进一步验证临床实施.
