一个临床模型,以增长速度为驱动,预测侵袭性肺腺癌中的组织学亚型

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 医疗成像医学成像

背景情况:

• 肺腺癌是一种常见的恶性瘤.
• 准确预测高档组件对于治疗规划至关重要.
• 目前的方法可能无法完全捕捉瘤的攻击性.

研究的目的:

• 开发和验证肺腺癌中高等级组件的预测性名谱.
• 将瘤生长率和放射性特征整合到预测模型中.
• 改进对肺腺癌侵袭性进行手术前评估.

主要方法:

• 对735名肺腺癌患者的回顾性研究.
• 从手术前CT扫描中计算特异生长率 (SGR).
• 使用多变量逻辑回归构造名图.

主要成果:

• 纳米图包括瘤体积,CTR和SGR.
• 在训练,验证和测试队列中观察到出色的预测性能 (AUC 0.8840.969).
• 与仅仅成像或生长模型相比,名图显示出更高的临床实用性.

结论:

• 一个经过验证的nomogram准确地预测了肺腺癌中高等级的成分.
• 这种工具可以帮助进行术前规划和个性化治疗策略.
• 未来的研究应该涉及多中心验证和自动细分.