通过自动化CT身体组成分析利用萨尔科佩尼亚指数来分析胰腺癌预后分层

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 身体组成分析 身体成分分析

背景情况:

• 标志着肌肉质量损失的萨尔科佩尼亚,越来越被认为是影响癌症患者结果的重要因素.
• 准确和有效的方法来评估肉病对于临床决策至关重要.

研究的目的:

• 评估基于CT的体积萨科佩尼亚指数 (SI) 作为大量固体瘤患者总生存期 (OS) 的预后因素.
• 评估自动化体质成分分析在瘤学中对生存预测的有用性.

主要方法:

• 对10,340名实体瘤患者的腹部和胸部CT扫描进行了回顾性分析.
• 自动化身体成分分析,以导出肉类症指数 (SI).
• 多变量考克斯回归,加速失效时间模型和梯度增强的机器学习用于预后价值评估,在439名患者身上进行外部验证.

主要成果:

• 在内部 (腹部和胸部) 和外部验证队列中,较高的肉类症指数 (SI) 与延长的整体存活率 (OS) 有显著的关联.
• 死亡风险比率在0.40到0.56之间,始终显示出更高SI的更好的生存率.
• 机器学习模型将SI确定为预测患者存活时间的最关键因素.

结论:

• 基于CT的体积肉类症指数 (SI) 是固体瘤患者整体生存期的强大和独立的预后因素.
• 自动化SI评估提供了一个有价值的,易于使用的工具,用于将其整合到标准的瘤工作流程中,以实现预后分层.
• 这种自动化的身体成分指标有可能改善瘤学中的患者管理和治疗策略.