多重瘤相关自身抗体测试提高了基于CT的深度学习性能,用于诊断直径小于70毫米的肺癌:中国的一项前性研究

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 生物标志物 生物标志物

背景情况:

• 深度学习 (DL) 显示高灵敏度但低特异性通过CT查检测肺癌 (LC).
• 七种与瘤相关的抗原自身抗体 (7-TAAbs) 为LC检测提供了高特异性.
• 结合DL和7-TAAbs的目的是提高中国的LC查效率.

研究的目的:

• 开发和评估一个风险模型,整合7-TAAbs测试结果和DL分数,用于诊断小于70毫米的肺病变中的LC.
• 为了提高基于DL的LC检测的特异性.

主要方法:

• 一组406名患有406种病变的406名患者被随机分配到训练 (n=313) 和测试 (n=93) 组.
• 恶性病变通过高DL风险或阳性7-TAAbs.被确定.
• 模型性能是使用接收器操作特征曲线 (AUC) 下的面积来评估的.

主要成果:

• 在测试组中,组合模型 (DL或7-TAAbs) 实现了最高的灵敏度 (82.6%),负预测值 (81.8%),准确度 (79.6%).
• 试验组中组合 (DL或7-TAAbs) 模型的AUC为0.794,优于单个DL (0.731) 和7-TAAbs (0.679) 模型.
• 组合 (DL或7-TAAbs) 模型在诊断LC时表现出卓越的性能.

结论:

• 7-TAAbs测试显著提高DL性能预测LC在70毫米以下的肺病变.
• 综合风险模型提高了中国LC查的诊断准确性和效率.