迪纳-RR-DTC模型:将临床病理特征与动态指标集成在一起,以预测耐放射性分化甲状腺癌风险
Shi-Qi Chen1, Wei Jiang1, Peng-Qing Wu1
1Department of Nuclear Medicine, The First Affiliated Hospital, Jiangxi Medical College, Nanchang University, 17 Yongwai Zheng Street, Nanchang City, 330006, Jiangxi, China.
Annals of nuclear medicine
|October 15, 2025
概括
这项研究开发了一个名图,以更早地预测放射性耐火的分化甲状腺癌 (RAIR-DTC). 该模型使用动态的血清学,成像学和临床数据来改进治疗决策.
科学领域:
- 在瘤学瘤学.
- 核医学是一种核医学.
- 医疗成像医学成像
背景情况:
- 早期诊断抗放射性分化甲状腺癌 (RAIR-DTC) 对于有效治疗至关重要.
- 目前的诊断方法耗时,依赖于临床进展和吸收评估.
研究的目的:
- 为了确定RAIR-DTC的风险因素.
- 为早期RAIR-DTC识别开发一个视觉预测模型 (nomogram).
主要方法:
- 对234名差异化甲状腺癌 (DTC) 患者的回顾性分析.
- 逻辑回归用于识别预测因素,可视化使用名ogram.
- 使用AUC,校准曲线和决策曲线分析 (DCA) 验证模型性能.
主要成果:
- 使用治疗反应,病变状态和连续胆固醇蛋白水平 (sTg-第二,sTg-第二/sTg-第一比率) 开发了一个名图.
- 诺米克获得的AUC为0.893 (培训),0.920 (内部验证) 和0.743 (外部验证).
- 雷尔-DTC患者的无进展生存期 (PFS) 显著缩短.
结论:
- 该名图显示了RAIR-DTC的强大预测性能和临床实用性.
- 该工具有助于为DTC患者制定个性化治疗策略.
- 动态血清学,成像学和临床数据是关键预测因素.
更多相关视频
06:08Establishment and Characterization of Patient-Derived Xenograft Models of Anaplastic Thyroid Carcinoma and Head and Neck Squamous Cell Carcinoma
Published on: June 2, 2023
2.2K
05:41Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis
Published on: February 9, 2024
1.0K