基于CT放射学的集群分析用于预测I期肺腺癌的侵入性
Tianxiao Yao1, Haipeng Jia1, Zhigang Wei2
1Department of Radiology, Qilu Hospital of Shandong University, Jinan, Shandong, China.
Journal of cancer research and therapeutics
|December 31, 2025
概括
一个新的放射学模型使用CT扫描准确地识别了I期肺侵袭性腺癌 (IAC) 的患者. 这种非侵入性工具有助于个性化风险分类和肺癌治疗计划.
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:
- 肺部侵入性腺癌 (IAC) 的早期检测对于有效治疗至关重要.
- 为了改善患者的治疗结果,需要使用非侵入性方法来识别I阶段的IAC.
研究的目的:
- 开发和验证一个基于放射学的非侵入性预测模型,用于第一阶段的肺部侵入性腺癌 (IAC).
主要方法:
- 利用了289名患者的胸部CT图像 (227名培训,62名验证).
- 应用K-means对放射学特征进行聚类,以组合患者.
- 开发了包含临床和放射学数据的后勤回归模型.
主要成果:
- 通过K-means集群确定了两组,其中一组显示IAC的比例较高.
- 包括瘤直径,类型和集群标签在内的最佳模型表现出强大的歧视性表现.
- 在ROC曲线下的面积达到0.848 (培训) 和0.744 (验证).
结论:
- 放射学模型可以准确地识别患有I期肺部IAC的患者.
- 这种预测工具支持个性化风险评估和肺癌治疗策略.


