息地成像与多模式分析相结合,用于皮肤状甲状腺癌的手术前风险分层
Jia-Wei Feng1, You-Long Zhu2, Lu Zhang3
1Department of Thyroid Surgery, The Third Affiliated Hospital of Soochow University, Changzhou First People's Hospital, Changzhou, China. 2236305087@qq.com.
Insights into imaging
|December 2, 2025
概括
多模态息地成像准确地识别了手术前低风险的乳头甲状腺癌 (PTC) 患者. 这种方法可以实现个性化治疗,包括对合适个体的积极监测,减少不必要的干预.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 目前的乳头甲状腺癌 (PTC) 风险分层依赖于术后病理,延迟了个性化治疗决策.
- 在手术前确定低风险的PTC对于优化患者管理和避免过度治疗至关重要.
研究的目的:
- 开发使用息地成像和多式分析对乳头甲状腺癌 (PTC) 的术前风险分层模型.
- 为了确定适合积极监测的低风险PTC患者.
主要方法:
- 一项涉及1215名PTC患者的多中心研究分析了手术前CT和超声波图像.
- 使用机器学习算法集成了息地成像,放射性特征,多尺度指数 (MSI) 特征,临床数据和免疫学标记.
- 六个机器学习算法和三个融合策略被评估为最佳模型性能.
主要成果:
- 确定了四个超声息地和五个CT息地,显示出显著的预测价值.
- 最佳集体融合模型在验证队列中实现了高AUC值 (0.95-0.99).
- 该模型整合了CT衍生的MSI特征,超声波息地特征,临床参数和免疫学标志物,以实现高级风险分层.
结论:
- 息地成像与多模式分析相结合,为PTC提供了卓越的手术前风险分层.
- 这种方法促进了个性化治疗规划,并确定了有资格接受积极监测的患者.
- 该模型有可能减少低风险PTC患者不必要的手术干预.
