CT放射学用于预测清细胞细胞癌的术后疾病特异性生存率:一个多中心研究
Quantitative imaging in medicine and surgery
|November 10, 2025
概括
一个新的基于计算机断层扫描 (CT) 的放射学模型改善了对清细胞细胞癌 (ccRCC) 患者疾病特异性存活率 (DSS) 的预测. 这种放射学方法增强了现有的临床模型,并与病理学特征有很强的相关性.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 无线电学 (Radiomics) 是一种无线电学.
背景情况:
- 清细胞细胞癌 (ccRCC) 呈现出生物异质性.
- 目前的临床模型在ccRCC中为术后风险分层提供了有限的精度.
- 在ccRCC管理中需要先进的预后工具.
研究的目的:
- 开发基于计算机断层扫描 (CT) 的放射学模型,用于预测ccRCC患者的疾病特异性生存率 (DSS).
- 探索放射学和病理学特征之间的相关性,以改善预后评估.
- 为了提高ccRCC的术后风险分层.
主要方法:
- 这是一项多中心研究,涉及4个数据集中的530名ccRCC患者.
- 从CT图像中提取和选择1,502个放射性特征,使用Pyradiomics和LASSO Cox回归.
- 放射学,临床,融合和多尺度放射病理学模型的开发,使用C指数,AIC,IBS和时间依赖的ROC分析进行评估.
主要成果:
- 放射学模型确定了三个关键特征,这些特征对ccRCC DSS具有良好的预测能力.
- 融合和放射病理学模型显示出更高的预测准确性,C指数高达0.884.
- 在放射学和病理学特征之间发现了显著的相关性,表明了互补性.
结论:
- 一个基于CT的放射学模型有效地预测了ccRCC患者的DSS,提高了临床预后评估.
- 放射学和病理学特征在预后评估中是显著相关的和互补的.
- 开发的放射病理学模型为ccRCC预后提供了一个强大的工具.
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
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
7.3K
