一个整合放射学和临床变量的诺莫格拉姆模型,用于预测肺腺癌患者的睡眠表达

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 分子诊断学 分子诊断

背景情况:

• 肺腺癌的诊断需要用于早期检测和瘤特征的非侵入性方法.
• 纳普辛A是原发性肺腺癌的关键标记物,但通过活检对其进行评估是侵入性的,可能无法捕捉瘤异质性.
• 放射学提供了一个有前途的途径,可以从医学图像中非侵入性地预测像纳普辛A这样的分子标记物.

研究的目的:

• 创建和验证一个纳米图集成放射性特征和临床数据,用于在肺腺癌中进行NAPSIN A表达的非侵入性预测.
• 通过非侵入性生物标志物预测,增强肺腺癌的早期检测和个性化治疗策略.

主要方法:

• 一项对308名肺腺癌患者的回顾性研究使用了增强对比度的CT扫描来提取1734个放射性特征.
• 特征选择涉及t测试,皮尔森相关性,mRMR和LASSO回归,确定了27个关键的放射性特征.
• 后勤回归选择了重要的临床变量,并使用ROC曲线,校准图和决策曲线分析构建和验证了一个名图.

主要成果:

• 集成的诺米图实现了NAPSIN A表达的高预测性能,AUC为0.844 (训练) 和0.845 (验证).
• 均衡准确率为82.1% (培训) 和80.6% (验证),显示出强大的预测能力.
• 与单独的放射性或临床模型相比,名图显示出优异的校准和更高的临床实用性.

结论:

• 综合性诺米图提供了一种可靠的,非侵入性的方法,用于预测肺腺癌中纳普辛A的表达.
• 这种工具可以支持个性化治疗决策,并减少对侵入性诊断程序的需求.
• 这些发现突出了放射学在非侵入性评估分子标记物的潜力,以改善肺癌管理.