开发和验证临床-双模体野外测试以预测病态乳头泄漏的恶性病变
Jingsi Mei1,2, Yue Hu1,2, Hongli Wang1,2
1Guangdong Provincial Key Laboratory of Malignant Tumor Epigenetics and Gene Regulation, Guangdong-Hong Kong Joint Laboratory for RNA Medicine, Sun Yat-sen Memorial Hospital, Sun Yat-sen University, Guangzhou, China.
Quantitative imaging in medicine and surgery
|October 13, 2025
概括
结合临床,乳房学和超声学数据的新型诺摩图改善了对病态乳头泄漏 (PND) 的恶性瘤风险评估. 该工具有助于临床医生识别低风险患者,以制定个性化管理策略.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 乳房成像 乳房成像
背景情况:
- 病态乳头泄漏 (PND) 在乳腺诊所中是一个诊断挑战.
- 目前的方法缺乏整合成像和临床数据的非侵入性模型,以准确评估恶性瘤风险.
- 对PND的个体化风险分层仍然是一个未满足的临床需求.
研究的目的:
- 开发和验证一个整合临床,乳房学 (MG) 和超声学 (US) 参数的诺米克图,用于预测PND的恶性病变.
- 为了提高诊断准确度,超出个人成像模式.
- 为个性化患者管理提供一个工具.
主要方法:
- 对377名患有PND的患者进行了回顾性研究,分为培训 (n=280) 和验证 (n=97) 队列.
- 后勤回归分析以构建使用单独MG和联合MG-US参数的预测模型.
- 使用曲线下的面积 (AUC),校准曲线和决策曲线分析 (DCA) 评估模型性能.
主要成果:
- 恶性瘤的独立预测因素包括年龄,分泌物颜色,可触摸的质量,可疑的化 (MG) 和可疑/导管内质量 (US).
- 结合MG-US模型在训练队列中显示出优异的区分能力 (AUC=0.851),与单独使用MG (AUC=0.789) 相比.
- 在验证队列中,开发的临床 - 双模组图实现了0.879的AUC,表明了强大的预测性能.
结论:
- 一个结合MG和US参数的临床-双管节 nomogram 能够有效预测 PND 中的恶性瘤风险.
- 这种工具可以帮助临床医生识别低风险患者,促进个性化管理策略.
- 诺米图为改善PND诊断提供了一种实用,非侵入性的方法.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
643
13:35Endoscopic Bilateral Nipple-sparing Mastectomy via a Single Axillary Incision with Immediate Pre-pectoral Implant-based Breast Reconstruction
Published on: May 17, 2024
4.0K
