胃癌中肝转移的预测模型的开发
Siyuan Wang1,2, Gaozan Zheng1, Fengsu Wu1
1Department of Digestive Surgery, Xijing Hospital of Digestive Diseases, Fourth Military Medical University, Xi'an, Shaanxi, China.
Frontiers in oncology
|September 3, 2025
概括
这项研究开发了一种可预测胃癌患者肝脏转移 (MLM) 的诺米克图. 它包含单细胞和淋巴细胞计数等新型预测因子, 提高预测准确性以获得更好的临床结果.
科学领域:
- 癌症学
- 医学统计
背景情况:
- 肝脏转移 (MLM) 在胃癌患者的预后明显恶化.
- 早期发现和准确预测MLM对于改善患者的结果至关重要.
研究的目的:
- 使用临床病理参数确定胃癌中MLM的危险因素.
- 开发和验证胃癌中MLM的预测模型.
主要方法:
- 对1248名胃癌患者的回顾性分析.
- 使用ROC曲线,校准曲线和DCA进行逻辑回归和验证的nomogram的开发.
- 确定风险因素,包括T阶段,N阶段,单细胞计数,淋巴细胞计数,AFP和CA125水平.
主要成果:
- 开发了一种预测性脑图,包括T阶段,N阶段,单细胞计数,淋巴细胞计数,手术前的AFP和CA125水平.
- 诺莫图表显示出强烈的差异性性能,AUC为0. 859 (训练) 和0. 803 (验证).
- 该模型显示出优异的校准和显著的临床效用.
结论:
- 已成功开发了一种用于预测胃癌的MLM的验证名录.
- 周围血液单细胞和淋巴细胞计数被确定为MLM的新型独立预测指标.
- 整合这些新因素可以提高MLM的预测准确性.
更多相关视频
03:05Author Spotlight: Advancing Early Detection and Treatment of Gastrointestinal Tumors
Published on: February 16, 2024
1.2K
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
193
