开发和验证用于预测内导管内皮质瘤中恶性瘤风险的名图:一项回顾性研究
Hui Pang1, Abiyasi Nanding1, Wenli Kang2
1Department of Breast Surgery, Harbin Medical University Cancer Hospital, Harbin, Hei Longjiang Province, China.
Translational oncology
|November 7, 2025
概括
一种新型的诺米图准确地预测了导管内 papillary 瘤 (IPN) 中的恶性瘤风险. 该工具有助于临床医生评估IPN恶性瘤的概率,指导个性化治疗决策,并可能避免不必要的手术.
科学领域:
- 在瘤学瘤学.
- 手术病理学手术病理学
- 医疗信息学 医疗信息学
背景情况:
- 导管内 papillary 瘤 (IPNs) 构成恶性瘤的风险.
- 目前的临床实践缺乏一个有效的工具来评估IPN恶性瘤的概率.
- 识别风险因素对于患者管理至关重要.
研究的目的:
- 开发和验证用于预测内导管内 papillary 瘤 (IPN) 恶性瘤风险的 nomogram.
- 为临床医生提供一个工具,以便更好地对IPN的风险分层.
主要方法:
- 一项涉及6646名IPN患者的病例控制研究.
- 多变量逻辑回归分析以确定恶性瘤的独立预测因子.
- 开发的名ogram 的外部验证.
主要成果:
- 确定了十个IPN恶性瘤的独立风险因素:年龄≥50,血性排泄,可触摸的瘤,绝经后状态,多种瘤,不清楚的边界,血流信号,瘤大小≥15毫米,距离乳头≥1厘米,和化.
- 诺米图实现了高预测准确度 (C指数为0.871在培训中,0.874在验证中).
- 校准和临床实用性分析证实了该模型的可靠性和实际适用性.
结论:
- 开发的诺米图有效地帮助临床医生识别具有不同恶性风险的IPN.
- 该工具促进了个性化治疗决策,可能引导低风险病例 (<10%恶性概率) 的管理远离手术.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
478
03:05Author Spotlight: Advancing Early Detection and Treatment of Gastrointestinal Tumors
Published on: February 16, 2024
1.5K
