一种基于放射学的诺米克图,用于在手术前预测结节性肺腺癌的侵入性:一个多中心研究

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 数据科学数据科学数据科学

背景情况:

• 肺腺癌 (LUAD) 的分类区分微侵袭性腺癌 (MIA) 和侵袭性腺癌 (IAC),基于侵袭程度 (≤5毫米).
• 侵袭程度显著影响LUAD的生物行为,治疗选择和患者预后.
• 精确的手术前区分LUAD侵入性对于最佳的患者管理至关重要.

研究的目的:

• 开发和验证基于放射学的诺米克图,用于手术前预测LUAD侵入性.
• 使用计算机断层扫描 (CT) 图像特征来区分MIA和IAC.
• 建立一个指导LUAD患者个性化治疗策略的工具.

主要方法:

• 在三个中心对611名手术前CT扫描的LUAD患者进行了回顾性分析.
• 使用后勤回归和使用机器学习分类器的放射学模型开发临床模型.
• 临床和放射学特征的整合,以创建一个结合的预测模型和nomogram.
• 使用接收机操作特征 (ROC) 曲线,校准曲线和决策曲线分析 (DCA) 验证模型的性能.

主要成果:

• 基于放射学的综合模型在训练,验证和测试队列中表现出强的性能.
• 曲线下的面积 (AUC) 为0.968 (培训),0.902 (验证) 和0.899 (测试),表明了出色的预测能力.
• 该模型显示了很好的适应性和显著的临床实用性,用于预测LUAD侵入性.

结论:

• 开发的基于放射学的名图表作为一个有效的工具,用于手术前预测LUAD侵入性.
• 这种预测模型可以为开发更个性化,更有效的肺腺癌治疗策略做出贡献.
• 这些发现支持将放射学纳入肺结节评估的常规临床实践.