使用循环瘤细胞与uAI平台结合开发肺结节的预测模型
Dahu Ren1,2, Shuangqing Chen1, Shicheng Liu1
1Department of Thoracic Surgery, Hebei General Hospital, Shijiazhuang, Hebei, China.
Frontiers in oncology
|August 7, 2025
概括
将人工智能 (AI) 成像与循环瘤细胞 (CTC) 检测相结合,可以改善肺结节的诊断. 这个AI-CTC模型准确地将结节分类为良性或恶性,有助于临床决策.
科学领域:
- 肺部医学 肺部医学
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 肺结节 (PN) 需要准确的病理评估才能有效治疗.
- 目前用于PN的诊断方法在预测恶性瘤和透方面可能受到限制.
- 集成先进的成像和生物标志物检测提供了改善诊断准确性的潜力.
研究的目的:
- 评估将人工智能 (AI) 成像软件 (uAI平台) 与循环瘤细胞 (CTC) 检测相结合的临床实用性,以预测肺结节的病理性质.
- 开发一个联合诊断系统,同时将肺结节分类为良性或恶性,并评估透.
- 增强诊断能力,超越单一指标方法.
主要方法:
- 分析了经过手术的76名肺结节患者的队列.
- 使用uAI平台进行了手术前结节风险分层,并进行了高通量CTC检测.
- 使用后勤回归构建了一个多维的诺莫格拉姆模型,并使用ROC曲线和临床决策曲线进行评估.
主要成果:
- 在uAI风险分层和CTC定量检测中观察到良性和恶性PN组之间的显著差异 (P<0.001).
- 高风险的UAI分类和CTC定量检测被确定为恶性瘤的独立预测因素 (P<0.05).
- 与单个指标相比,AI-CTC综合名录模型显示出更高的诊断性能 (AUC=0.805) (uAI:0.730,CTC:0.743).
结论:
- 集成的uAI-CTC模型克服了肺结节单维诊断的局限性.
- 这种综合方法使恶性肺结节的有效风险分层和透的定量评估成为可能.
- 这些发现为优化肺结节的临床治疗策略提供了基于证据的支持.
