Computed Tomography-Based Radiomic Nomogram to Predict Occult Pleural Metastasis in Lung Cancer
Notice bibliographique
Résumé
OBJECTIVES: The preoperative identification of occult pleural metastasis (OPM) in lung cancer remains a crucial clinical challenge. This study aimed to develop and validate a predictive model that integrates clinical information with chest CT radiomic features to preoperatively identify patients at risk of OPM. METHODS: This study included 50 patients diagnosed with OPM during surgery as the positive training cohort and an equal number of nonmetastatic patients as the negative control cohort. Using least absolute shrinkage and selection operator (LASSO) logistic regression, we identified key radiomic features and calculated radiomic scores. A predictive nomogram was developed by combining clinical characteristics and radiomic scores, which was subsequently validated with data from an additional 545 patients across three medical centers. RESULTS: Univariate and multivariate logistic regression analyses revealed that carcinoembryonic antigen (CEA), the neutrophil-to-lymphocyte ratio (NLR), the clinical T stage, and the tumor-pleural relationship were significant clinical predictors. The clinical model alone achieved an area under the curve (AUC) of 0.761. The optimal integrated model, which combined radiomic scores from the volume of interest (VOI) with the CEA and NLR, demonstrated an improved predictive performance, with AUCs of 0.890 in the training cohort and 0.855 in the validation cohort. CONCLUSIONS: Radiomic features derived from CT scans show significant promise in identifying patients with lung cancer at risk of OPM. The nomogram developed in this study, which integrates CEA, the NLR, and radiomic tumor area scores, enhances the precision of preoperative OPM prediction and provides a valuable tool for clinical decision-making.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».