在CT成像上Node-RADS得分预测淋巴结转移和细胞癌的存活率:一个多中心诊断研究
Donghua Gu1, Cheng Shen1, Hua Zhu1
1Department of Urology, The Second Affiliated Hospital of Nantong University (Nantong First People's Hospital), Nantong, China.
Clinical imaging
|November 11, 2025
概括
基于节点计算机图像 (CT) 的节点-RADS,在脏细胞癌 (RCC) 中更准确地检测区域性眼睛细胞转移 (RLNM). 该评估提供了诊断效率和预测信息.
科学领域:
- 放射学和成像学 放射学和成像学
- 在瘤学瘤学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 细胞癌 (RCC) 的诊断和分期对于患者的治疗结果至关重要.
- 对区域淋巴结转移 (RLNM) 的准确评估对于RCC的治疗计划至关重要.
- 计算机断层扫描 (CT) 是评估RCC的主要成像方法.
研究的目的:
- 评估Node-RADS的诊断性能,用于使用CT在RCC中评估RLNM.
- 探索RCC患者中Node-RADS的预后价值.
- 为了比较新型名ogram与现有方法的预测性能.
主要方法:
- 对250名RCC患者进行瘤切除和淋巴结解剖的回顾性研究.
- 由两个放射科医生使用Node-RADS.进行淋巴结的独立评估.
- 用于预测性能和生存分析的接收器操作特征 (ROC) 曲线分析.
主要成果:
- 节点-RADS在RLNM预测方面表现出高准确度 (AUC≥0.83对于切断值≥4,≥3,≥5).
- 结合临床变量和Node-RADS的新型名录显示出优异的预测性能 (AUC 0.960).
- 高节点-RADS得分与较短的整体存活 (OS) 有显著的关联.
结论:
- 基于CT的Node-RADS是预测RCC中的RLNM的高度准确的工具.
- 节点-RADS提供了有价值的预后信息,有助于患者分层.
- 开发的名图为RLNM状态提供了增强的预测能力.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
7.3K
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
