图像特征和临床标志物用于预测早期肺癌的术后复发
Shuhong Guan1, Ying Ding2, Long Zhang2
1Department of Respiratory and Critical Care Medicine, Changzhou First People's Hospital Changzhou 212003, Jiangsu, China.
American journal of cancer research
|November 17, 2025
概括
这项研究使用成像和临床数据开发了早期肺癌复发的预测模型. 这些工具可以帮助识别高风险患者,以制定个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 生物标志物 生物标志物
背景情况:
- 手术后早期肺癌复发是一个重大的临床挑战.
- 准确预测复发对于优化患者管理和治疗策略至关重要.
研究的目的:
- 评估成像特征和临床标志物的预测价值,用于早期肺癌中术后复发.
- 开发和验证一个名图和神经网络模型,用于预测复发风险.
主要方法:
- 对439名经过手术的早期肺癌患者进行了回顾性分析.
- 收集临床,成像,病理和实验室数据,包括瘤密度,CYFRA21-1,CA19-9和CA125.5的数据.
- 开发和验证名录和神经网络模型,使用AUC和外部验证评估预测性能.
主要成果:
- 固体瘤密度,高CYFRA21-1,CA19-9,CA125和年龄增加被确定为复发的独立风险因素.
- 诺米克模型的AUC值为0.804 (培训) 和0.760 (验证).
- 神经网络模型的AUC为0.882 (训练) 和0.734 (验证).
结论:
- 诺米图和神经网络模型都表现出在早期肺癌中术后复发的良好预测性能.
- 这些模型可以帮助识别患有复发高风险的患者,促进个性化临床管理.
- 需要进一步的验证和前性研究来确认这些预测工具的临床实用性.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
2.0K
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
