目的:探讨多种机器学习模型预测机器人辅助肾部分切除术(robot-assisted partial nephrectomy,RAPN)后肾功能减退的效能,为临床风险分层提供依据。方法:回顾性纳入2019年1月至2023年12月重庆医科大学附属第一医院泌尿外科733例肾细胞癌(renal cell carcinoma,RCC)行RAPN患者的临床数据,整合人口学特征、实验室指标及围手术期参数,构建7种机器学习模型,采用Shapley加性解释(Shapley additive explanations,SHAP)方法解析关键预测因子,并通过受试者工作特征曲线下面积(receiver operating characteristic curve area under the curve,ROC-AUC)评估模型性能。结果:随机森林模型预测效能最优(AUC=0.84)。SHAP分析显示,中性粒细胞/淋巴细胞比值、肿瘤直径、凝血酶原时间国际标准化比值、白细胞计数及术中出血量等因素对术后肾功能减退有明显影响。结论:本研究为临床提供了一种潜在的预测工具,可帮助识别高风险患者并优化术后管理策略。
目的探讨磁化传递成像(magnetization transfer imaging,MTI)在前列腺癌(prostate cancer,PCa)诊断及分级中的应用价值。材料与方法回顾性分析134例临床疑诊PCa的患者临床及影像资料,所有患者均完成基于T2WI与扩散加权成像(diffusion-we...
详细信息
目的探讨磁化传递成像(magnetization transfer imaging,MTI)在前列腺癌(prostate cancer,PCa)诊断及分级中的应用价值。材料与方法回顾性分析134例临床疑诊PCa的患者临床及影像资料,所有患者均完成基于T2WI与扩散加权成像(diffusion-weighted imaging,DWI)序列的MTI检查。根据病理结果,把所有患者分为良性前列腺增生(benign prostatic hyperplasia,BPH)组和PCa组;根据Gleason分级分组(Gleason grade groups,GGG)系统将PCa进一步分为低级别(low score,Ls)组和高级别(high score,Hs)组。分析MTI应用于前列腺的可行性;比较施加磁化传递(magnetization transfer,MTr)脉冲前后,T2WI与DWI诊断PCa及识别高级别PCa的效能;进一步比较BPH与PCa组、Ls与Hs组磁化传递率(magnetization transfer ratio,MTR)的差异。结果基于T2WI与DWI序列的MTI图像质量佳,同一研究者前后2次及不同研究者间MTR测值一致性高。DWI序列施加MTr后,在PCa的诊断(MTr前AUC=0.779,MTr后AUC=0.850)以及高低级别PCa的鉴别上(MTr前AUC=0.697,MTr后AUC=0.818)诊断效能均有效提升。在进一步的MTR组间对比中,BPH与PCa组、Ls组与Hs组T2WI-MTR差异无统计学意义(P=0.06;P=0.59),而DWI-MTR差异均有显著统计学意义(P=0.01;P=0.01)。结论MTI技术有助于提升DWI序列的PCa诊断效能,同时能进一步提高其识别高级别PCa的能力;DWI-MTR在PCa诊断及分级中存在巨大潜力。
暂无评论