Многоцентровое исследование

Мультимодальная прогностическая модель на основе клинических показателей, радиомических признаков периопухолевой области и субрегионов опухоли для предоперационного дифференциального диагноза фолликулярной карциномы и аденомы щитовидной железы: двухцентровое исследование

Multimodal Prediction Model Integrating Clinical Parameters, Peritumoral and Habitat-Based Radiomics for Preoperative Differentiation of Follicular Thyroid Carcinoma from Adenoma: A Two-Center Study

Academic Radiology
10.1016/j.acra.2025.11.013
Найти полный текст Открыть в журнале PubMed
FWCI: 2.03FWCI — Field-Weighted Citation Impact (индекс цитируемости с поправкой на область науки). 1.0 = среднее, > 1 = выше среднего · Процитировано: 5 · Ссылки: 37 · Лицензия: Закрытая
Цитирование по годам: 2026: 5

Аннотация

Введение: Предоперационная дифференциальная диагностика фолликулярной карциномы щитовидной железы (ФКЩЖ) и фолликулярной аденомы щитовидной железы (ФАЩЖ) остаётся сложной задачей. Цель исследования — разработать и проверить мультимодальную прогностическую модель для точной предоперационной диагностики ФКЩЖ, объединив клинические показатели, иммунологические маркеры, радиомические признаки периопухолевой области и признаки субрегионов опухоли.

Методы: В ретроспективное двухцентровое исследование включили 775 пациентов с фолликулярными новообразованиями щитовидной железы, диагноз которых был подтверждён патоморфологически (обучающая выборка: n = 353; внутренняя валидационная выборка: n = 151; внешняя валидационная выборка: n = 271). Радиомические признаки извлекали из внутритуморальных областей, периопухолевых зон шириной 1, 3 и 5 мм, а также субрегионов, выделенных методом кластеризации k-средних. Оценивали четыре алгоритма машинного обучения: логистическую регрессию, метод опорных векторов, случайный лес и градиентный бустинг. Независимые клинические и иммунологические предикторы выявляли с помощью многофакторной логистической регрессии. Создали интегрированную модель, объединив оптимальные радиомические сигнатуры с клиническими предикторами, и сравнили её с шестью общепринятыми системами визуализации щитовидной железы и классификации риска (TIRADS). Для интерпретации модели использовали анализ SHAP и номограмму.

Результаты: Многофакторный анализ выявил четыре независимых предиктора: уровень тиреоглобулина (TG), солидное строение, гипоэхогенность и отношение лимфоцитов к моноцитам (LMR). Площадь под ROC-кривой (AUC) модели градиентного бустинга с радиомическими признаками периопухолевой зоны шириной 3 мм составила 0,881, 0,865 и 0,868 в соответствующих выборках. Для комбинированной модели градиентного бустинга с признаками субрегионов опухоли AUC составила 0,900, 0,852 и 0,860. Интегрированная модель, объединившая клинические предикторы с радиомическими признаками периопухолевой зоны шириной 3 мм и субрегионов опухоли, показала более высокую эффективность: AUC составила 0,950, 0,918 и 0,924 в обучающей, внутренней валидационной и внешней валидационной выборках соответственно. Модель значительно превосходила K-TIRADS (AUC 0,639, 0,648 и 0,612). Анализ кривых принятия решений подтвердил более высокую клиническую полезность интегрированной модели при всех пороговых вероятностях.

Выводы: Мультимодальная прогностическая модель, объединяющая клинические показатели, признаки периопухолевой области и субрегионов опухоли, обладает высокой точностью предоперационной дифференциальной диагностики ФКЩЖ и значительно превосходит традиционные системы TIRADS, что может улучшить принятие клинических решений.

Переведем эту статью за 1 час

Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.

Попробовать бесплатно →

Также в Подтеме: еженедельные литобзоры, база международных клинреков и конспекты свежих мед. статей и подкастов каждый день.