使用放射性特征和临床参数,开发和验证可分离的III期外围SCLC的预测模型

科学领域:

• 癌症学
• 放射学
• 医学成像

背景情况:

• 肺癌分为SCLC和NSCLC的分类决定了治疗和预后.
• 第三阶段的外围肺癌需要精确的手术前分化.
• 目前的诊断方法可能在手术前区分SCLC和NSCLC方面存在局限性.

研究的目的:

• 开发和验证外围SCLC与NSCLC在手术前区分的预测模型.
• 将临床数据与放射性特征集成,以提高诊断准确度.
• 评估组合预测模型的临床实用性.

主要方法:

• 对33个SCLC和99个NSCLC病例的回顾性分析.
• 从对比度增强的CT扫描中提取1037个放射性特征.
• 开发和评估9个机器学习模型,包括使用LASSO特征选择的联合临床放射学模型.

主要成果:

• 综合后勤回归模型实现了高AUC (0. 956训练,0. 905测试,0. 843外部验证).
• 与单独的临床或放射性模型相比,组合模型表现出更高的性能.
• 决策曲线分析和KS统计证实了组合模型的临床实用性.

结论:

• 临床参数和放射性特征的整合显示了SCLC与NSCLC在手术前的显著差异化潜力.
• 这种结合方法可能有助于优化第三阶段外围肺癌的治疗策略.
• 在更大,多样化的群体中进行进一步验证是有必要的.