建立基于完全连接网络的淋巴结转移在偶尔发现子宫内膜癌的患者的预测模型
Yuzhen Huang1,2, Qing Lin3,4,5, Wei Liu1,2
1Obstetrics and Gynecology Hospital of Fudan University, Shanghai, China.
Journal of gynecologic oncology
|July 4, 2025
概括
这项研究开发了一个使用完全连接网络的预测模型,以评估淋巴结转移 (LNM) 风险,在患有意外子宫内膜癌 (EC) 术后的患者,实现高灵敏度.
科学领域:
- 妇科瘤学 妇科瘤学
- 机器学习在医学中的应用
- 癌症转移研究 癌症转移研究
背景情况:
- 子宫内膜癌 (EC) 诊断术后的偶然诊断是罕见的,淋巴结转移 (LNM) 的预测模型有限.
- 准确的LNM风险评估对于指导EC患者辅助治疗决策至关重要.
研究的目的:
- 开发和验证一个预测模型,用于淋巴结转移 (LNM) 在被偶然诊断为子宫内膜癌 (EC) 之后的子宫切除术的患者.
- 使用完全连接网络 (FC网络) 构建一个敏感和准确的预测工具.
主要方法:
- 追溯分析了来自福丹大学妇产科医院的3920例EC病例和来自上海癌症中心的1995例.
- 基于完全连接网络 (FC网络) 的预测模型的开发.
- 未来验证使用572个额外的案例来评估模型性能.
主要成果:
- 该FC网络模型显示高灵敏度 (0.946) 预测LNM.
- 开发了一种简化的名图,包含了淋巴血管空间入侵和瘤等级等因素.
- 在验证队列中,名图实现了0.890的曲线下的面积,在预期队列中达到0.885.
结论:
- 拟议的FC网络模型有效地预测了偶然EC患者的LNM风险.
- 简化的名图是临床实践中风险预测的可行替代方案.
- 风险分层门 (5%和25%) 可以帮助这些患者的临床决策.
