一种基于计算机断层扫描的多参数决策树算法模型,用于在手术可切除的同步多重原发性肺癌中预测淋巴结转移的风险
Wenbiao Zhang1, Huiyun Ma1, Ying Zhu2
1Department of Radiology, State Key Laboratory of Oncology in South China, Collaborative Innovation Center for Cancer Medicine, Guangdong Provincial Clinical Research Center for Cancer, Sun Yat-Sen University Cancer Center, Guangzhou, China.
Quantitative imaging in medicine and surgery
|July 3, 2025
概括
一个新的基于CT的决策树算法 (CT-DTA) 准确预测同步多重原发性肺癌中的淋巴结转移. 这种非侵入性工具有助于肺癌患者进行手术前风险评估和治疗决策.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 同步多重原发性肺癌 (SMPLC) 在预测淋巴结转移 (LNM) 方面存在挑战.
- 薄截面计算机断层扫描 (TS-CT) 在SMPLC中为LNM预测提供了潜力.
- 准确的LNM手术前风险分层对于指导治疗决策至关重要.
研究的目的:
- 开发和验证一种基于CT的多参数决策树算法 (CT-DTA),用于SMPLC中手术前LNM风险评估.
- 评估CT-DTA模型在预测LNM时的准确性和可靠性.
- 建立CT-DTA作为SMPLC临床决策的实际工具.
主要方法:
- 分析了235名手术切除SMPLC患者的队列.
- 确定了CT衍生的定量特征,并使用它们来构建一个决策树算法 (DTA) 模型.
- 该CT-DTA模型在139个案例中接受了培训,并在96个案例中进行了外部验证.
主要成果:
- 包含五个定量共变量的CT-DTA模型显示出高预测准确度 (在培训和验证队列中AUC>0.80).
- 固体部分的长轴直径被确定为LNM最重要的预测因素.
- 该模型被证明是各种临床病理亚组LNM风险分层的独立预测器.
结论:
- 开发的CT-DTA模型是一种非侵入性,用户友好和有效的工具,用于预测SMPLC中的LNM.
- 这种算法可以在术前风险评估和切除性SMPLC患者的治疗计划中显著帮助.
- CT-DTA模型提供了一种实际方法,以改善管理SMPLC的临床决策.
更多相关视频
08:54Pathological Analysis of Lung Metastasis Following Lateral Tail-Vein Injection of Tumor Cells
Published on: May 20, 2020
9.3K
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
