[预测侵袭性非性肺腺癌IASLC分级:基于双能量CT成像和常规特征的名图]

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 肺部医学 肺部医学

背景情况:

• 侵入性非性肺腺癌 (INMA) 是肺腺癌的一个亚型,具有异质组织学和不良预后.
• 准确的组织学分类对于INMA恶性瘤评估和患者分层至关重要.
• 国际肺癌研究协会 (IASLC) 在2021年提出了一个新的分级系统,以改善INMA的预后分层.

研究的目的:

• 开发一个可视化的名ogram模型用于INMA IASLC分级的术前预测.
• 为了利用双能计算断层扫描 (DECT),碎形维度 (FD),临床特征和传统CT参数进行预测.
• 建立一种非侵入性工具,用于在手术前评估INMA恶性瘤.

主要方法:

• 对112名接受了手术前DECT.的INMA患者进行了回顾性分析.
• 收集临床特征,传统CT参数和DECT衍生的参数 (IC,eff-Z,NIC,FD).
• 多变量逻辑回归分析以识别独立预测因素并构建一个名ogram,通过ROC曲线分析进行评估.

主要成果:

• 吸烟史,分球标志,气管支气管,动脉相 eff-Z 和动脉相 IC 被确定为INMA IASLC分级的重要独立预测因素.
• 诺米克模型的AUC为0.804,具有85.3%的特异性和65.7%的灵敏度.
• 该模型显示了手术前INMA IASLC分级的最佳预测性能.

结论:

• 一个整合临床,成像和光谱CT参数的名图可以有效地预测INMA IASLC分级.
• 这种模型具有重要的潜力,用于INMA的非侵入性手术前评估.
• 这些发现支持使用基于DECT的诺姆图来改善肺腺癌分级和患者管理.