机器学习预测模型用于直肠癌中侧面淋巴结转移的直肠癌
Longchun Dong1, Shiyong Du2, Hongjie Yang2,3,4,5
1Department of Radiology, Tianjin Union Medical Center, The First Affiliated Hospital of Nankai University, Tianjin, China.
Frontiers in gastroenterology (Lausanne, Switzerland)
|March 13, 2026
概括
在直肠癌中预测横向淋巴结转移具有挑战性. 这项研究开发了一个后勤模型,使用外壁血管侵袭,MRI cN阶段和扩大的淋巴结来指导侧侧淋巴结解剖决策.
科学领域:
- 在瘤学瘤学.
- 手术瘤学手术瘤学
- 诊断成像 诊断成像 诊断成像
背景情况:
- 在直肠癌中进行横向淋巴结转移的术前诊断仍然是一个重大的临床挑战.
- 准确的预测对于确定横侧淋巴结解剖 (LLND) 的必要性至关重要.
研究的目的:
- 用手术前临床数据预测直肠癌患者侧侧淋巴结的病理特征.
- 开发横向淋巴结转移的后勤预测模型.
主要方法:
- 追溯分析143名直肠癌患者,这些患者接受了全腹腔切除术 (TME) 和LLND.
- 使用R软件开发一个物流预测模型和名ogram.
- 将患者划分为培训 (80%) 和验证 (20%) 组.
主要成果:
- 后勤模型包括外围血管侵入 (EMVI),MRI临床N阶段 (MRIcN阶段) 和扩大的侧淋巴结数量 (NoELLN).
- 该模型在测试数据集中显示了0.62的精度,0.80的灵敏度,0.43的特异性和0.80的曲线下面积 (AUC).
- 确定了66例病理阳性和77例负面的横侧淋巴结病例.
结论:
- 在直肠癌中,EMVI,MRI cN阶段和NoELLN是横向淋巴结病理学的显著预测因素.
- 开发的模型为选择符合LLND手术条件的患者提供了有价值的指导.
- 改进的手术前预测可以优化治疗策略和患者的结果.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
7.6K
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
842
