Eur Radiol：非小细胞肺癌患者前纵隔淋巴结到底有没有转移？
2021-01-05 shaosai MedSci原创
非小细胞肺癌患者前纵隔淋巴结到底有没有转移？
目的：本研究旨在利用18F-氟脱氧葡萄糖（FDG）正电子发射断层扫描/计算机断层扫描（PET / CT）建立最佳的机器学习（ML）模型，以评价非小细胞肺癌的转移性纵隔淋巴结（MedLNs），并将诊断结果与核医学医师的诊断结果进行比较。
方法：本研究共纳入了1329个MedLN。比较了提升决策树、逻辑回归、支持向量机、神经网络和决策森林模型。将最佳ML模型的诊断效能与医师的诊断效能进行了比较。ML方法分为仅具有定量变量的ML（MLq）和添加临床信息的ML（MLc）。我们根据MedLNs对 18F-FDG的摄取量进行了分析。
结果：与医生相比，提升决策树模型得到了更高的敏感性和阴性预测值，但特异性和阳性预测值却更低。 医师和MLq的准确性之间没有统计学差异（79.8％ vs. 76.8％，p = 0.067）。 MLc的准确性显着高于医生（81.0％对76.8％，p = 0.009）。 在18F-FDG摄取低的MedLN中，ML的准确性明显高于医师（70.0％ vs. 63.3％，p = 0.018）。
结论：尽管MLq和医师之间的准确性没有显着差异，但MLc的诊断效能优于MLq和医师。ML方法对评价低代谢的MedLN有一定帮助。因此，将临床信息添加到 18F-FDG PET / CT的定量变量中可以改善ML的诊断结果。
原始出处：
Jang Yoo,Miju Cheon,Yong Jin Park,et al. Machine learning-based diagnostic method of pre-therapeutic 18 F-FDG PET/CT for evaluating mediastinal lymph nodes in non-small cell lung cancer. PMID:33241521DOI:10.1007/s00330-020-07523-z
作者：shaosai
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#非小细胞#
43
#肺癌患者#
30
#淋巴结#
38
#非小细胞肺癌患者#
38