从验证到精细化:优化非典型脂质瘤和脂质瘤的诊断得分
Wolfram Weschenfelder1, Katharina Lucia Koeglmeier1, Friederike Weschenfelder2
1Department of Trauma, Hand and Reconstructive Surgery and Orthopaedics, University Hospital Jena, 07747 Jena, Germany.
Diagnostics (Basel, Switzerland)
|December 30, 2025
概括
一个新的临床放射学评分有助于区分非典型的脂质瘤 (ALT) 和脂质瘤. 这种精细的工具改善了手术前风险分层,可能减少对脂质瘤的不必要分子测试.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是指放射学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 由于特征重叠,难以将非典型的脂质瘤 (ALT) 与脂质瘤区分开来.
- ALT和脂瘤需要不同的管理策略,需要精确的手术前分化.
- 之前开发的临床放射学评分旨在改善这种歧视.
研究的目的:
- 为了外部验证先前提出的临床放射学评分,以区分ALT与脂瘤.
- 为了提高稳定性和准确性,使用组合数据集来完善得分.
- 评估评分在常规临床实践中的有用性,用于术前风险分层.
主要方法:
- 在外部大学医院对119名患有脂质瘤的患者进行了回顾性分析.
- 使用接收器操作特征分析对原始分数的诊断性能进行外部验证.
- 用初始开发队列 (n=106) 对模型进行重新校准,以创建用于精细切线的组合数据集 (n=225).
主要成果:
- 外部验证显示,与导出队列相比,预测准确性降低,特别是对于没有对比的四肢瘤 (AUC 0.830与0.942).
- 使用组合数据集 (n=225) 的重新校准模型显示出高的诊断准确性 (AUC 0.918-0.954).
- 结合的临床和成像参数优于单个参数,对比度增强具有显著的附加值;对干部瘤的准确性较低.
结论:
- 重建的得分提供了强大的诊断准确性和实用性,用于脂质瘤的常规手术前风险分层.
- 这种精细的得分可以作为一种资源高效的工具,在某些情况下可能减少对广泛分子测试的需求.
- 有一个网页应用程序可用于支持临床采用,促进量身定制的诊断策略和风险评估.
