基于手术前的临床特征和实验室指标预测中央恶性瘤诊断的诺莫грам:一种诊断研究
Jiahao Yang1, Haiping Cai2, Liang Zhang3
1Guangdong Cardiovascular Institute, Guangdong Provincial People's Hospital, Guangdong Academy of Medical Sciences, Guangzhou, China.
International journal of surgery (London, England)
|July 28, 2025
概括
这项研究开发了中枢神经系统淋巴瘤和质瘤以及质母细胞瘤的预测模型. 这些工具有助于临床医生诊断脑瘤并个性化治疗策略.
科学领域:
- 神经瘤学神经瘤学
- 医学成像分析分析 医学成像分析
- 机器学习在医学中的应用
背景情况:
- 准确的中枢神经系统 (CNS) 瘤的术前诊断对于有效的治疗计划至关重要.
- 在初级中枢神经系统淋巴瘤 (PCNSL) 和质瘤之间以及在质母细胞瘤和非质母细胞瘤之间进行区分是一个重大的临床挑战.
研究的目的:
- 开发和验证用于预测PCNSL与质瘤的手术前诊断概率的诺米克图.
- 开发和验证用于预测质母细胞瘤与非质母细胞瘤的手术前诊断概率的诺姆图.
主要方法:
- 对712名PCNSL或质瘤患者的回顾性分析.
- 使用LASSO和多变量逻辑回归的诊断模型的开发.
- 验证使用内部培训/验证集和来自多个中心的外部前队列.
- 使用七个机器学习模型,AUC和决策曲线分析进行性能评估.
主要成果:
- PCNSL与质瘤模型包括年龄,KPS,NEUT,NEUT1和MONO,达到0.877 (内部) 的最佳AUC,范围从0.716到0.743 (外部).
- 质母细胞瘤与非质母细胞瘤模型包括年龄,NEUT1和MONO,达到0.861 (内部) 的最佳AUC,范围从0.710到0.842 (外部).
- 七个机器学习模型表现出强大的性能,AUC从0.778到0.889.
结论:
- 验证的诊断概率模型,以区分中枢神经系统淋巴瘤与质瘤和质母细胞瘤与非质母细胞瘤.
- 这些模型可以帮助临床医生提高脑瘤手术前诊断准确度.
- 为患有中央恶性瘤的患者提供个性化治疗策略.
