在分化甲状腺癌中预测受影响的淋巴结的术后诺基图:一项观察性研究.
Yunbo Li1, Junyan Wang1, Jinzi Hui2
1Department of Nuclear Medicine, Tangdu Hospital, Air Force Medical University, Xi'an, China.
Future oncology (London, England)
|August 9, 2025
概括
一种新的诺米图准确地预测了淋巴结参与差异化甲状腺癌 (DTC). 该工具使用甲状腺蛋白,淋巴细胞计数,BRAFV600E和瘤焦点来个性化治疗并改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医学诊断 医学诊断 医学诊断
- 生物统计学 生物统计学
背景情况:
- 分化甲状腺癌 (DTC) 管理需要精确的淋巴结分期.
- 预测淋巴结转移对于定制治疗策略至关重要.
研究的目的:
- 开发和验证一个用于预测淋巴结参与DTC的诺姆图.
- 增强个性化治疗规划和优化DTC中的患者结果.
主要方法:
- 使用最小绝对缩小和选择运算符 (LASSO) 和多变量后勤回归在导出队列数据上.
- 将已识别的预测因子集成到nomogram中,评估导出和验证队列中的性能.
- 评估了nomogram的辨别能力,校准和临床实用性.
主要成果:
- 鉴定了甲状腺蛋白,淋巴细胞计数,BRAFV600E,以及瘤焦点的数量作为独立预测因素.
- 实现了高预测准确度:0.992在导出和0.920在验证队列中.
- 证明了出色的校准,区分和临床适用性.
结论:
- 周围淋巴细胞计数与淋巴结参与DTC相关.
- 开发的诺莫格拉姆有助于个性化术后放射性 (RAI) 治疗和DTC的术前评估.
更多相关视频
04:01Transoral Robotic Total Thyroidectomy and Bilateral Central Regional Lymph Node Dissection for Papillary Thyroid Carcinoma
Published on: September 15, 2023
920
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
194