结合瘤息地放射学和循环瘤细胞数据,预测肺腺癌中高等级的病理成分

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 医学诊断 医学诊断 医学诊断

背景情况:

• 肺腺癌 (LUAD) 是癌症死亡的主要原因.
• 早期手术干预可以改善LUAD患者的预后.
• 在LUAD中的高等级成分显著恶化了患者的结果,需要早期预测.

研究的目的:

• 开发和验证一种用于早期预测LUAD中高度病理成分的模型.
• 通过准确识别高档LUAD组件,增强外科切除的临床决策.

主要方法:

• 用k-means集群划分瘤子区域,并排除具有低可重现性的特征.
• 使用边界线合成少数人过量采样技术 (BorderlineSMOTE) 来解决数据不平衡问题.
• 堆叠方法集成主要组件分析 (PCA) 与模型开发的选定特征,通过AUC和DeLong测试进行评估.

主要成果:

• 息地放射学和循环瘤细胞 (CTC) 模型的结合表明,AUC为0.98 (训练) 和0.91 (验证) 的优异预测性能.
• 在培训数据集中,综合模型的表现明显优于单个CTC (AUC 0.75) 和次区域模型 (AUC 0.94).
• 一个独立的队列验证实现了1.00的完美AUC,表明了强大的预测能力.

结论:

• 结合息地放射学和CTC相关的临床数据,提供了一个精确的方法来预测LUAD中高等级的病理成分.
• 这种综合方法有助于临床医生在手术前做出关于LUAD治疗策略的决定.