Según un artículo previo a la impresión publicado en la edición de diciembre de la American Journal of Roentgenology AJR , los investigadores han validado un modelo basado en el aprendizaje automático, el primero de su tipo, para evaluar las características inmunohistoquímicas IHC en pacientes con sospecha de nódulos tiroideos, logrando un "excelente rendimiento" para la predicción no invasiva individualizada de la presencia de citoqueratina 19,galectina 3 y tiroperoxidasa basada en imágenes de TC.
"Cuando la información de IHC está oculta en las imágenes de CT", explicó el investigador principal Jiabing Gu, "puede ser posible discernir la relación entre esta información y la radiología mediante el análisis de textura".
Para evaluar si el análisis de textura podría utilizarse para predecir las características de IHC de los nódulos tiroideos sospechosos, Gu y sus colegas de la Universidad de Jinan de China inscribieron 103 pacientes cohorte de cohorte de formación a validación de cohorte,? 3: 1 con nódulos tiroideos sospechosos quese sometió a tiroidectomía y análisis de IHC desde enero de 2013 hasta enero de 2016. Los 103 pacientes 28 hombres, 75 mujeres; edad media, 58 años; rango, 33-70 años se sometieron a TC antes de la cirugía y 3D Slicer v 4.8.1se utilizó para analizar imágenes de la muestra quirúrgica.
Para facilitar los métodos test-retest, se tomaron imágenes de 20 pacientes en dos series de series de CT en 10-15 minutos, usando el mismo escáner LightSpeed 16, Philips Healthcare y protocolos, sin administración de contraste. Estas imágenes se usaron solo para seleccionarcaracterísticas reproducibles y no redundantes, no para establecer o verificar el modelo radiómico.
Se empleó la prueba de Kruskal-Wallis SPSS v 19, IBM para mejorar el rendimiento de clasificación entre la característica de textura y la característica IHC. Gu et al. Consideraron características con p <0.05 significativo, y el modelo basado en características se entrenó a través del vector de soportemétodos de máquina, evaluados con respecto a la precisión, sensibilidad, especificidad, AUC correspondiente y validación independiente. De 828 características totales, se seleccionaron 86 características reproducibles y no redundantes para construir el modelo.
El mejor rendimiento del modelo radiológico de citoqueratina 19 arrojó una precisión de 84.4% en la cohorte de entrenamiento y 80.0% en la cohorte de validación. Mientras tanto, los modelos predictivos de tiroperoxidasa y galectina 3 evidenciaron precisiones de 81.4% y 82.5% en la cohorte de entrenamiento y84.2% y 85.0% en la cohorte de validación, respectivamente.
Notando que los niveles de citoqueratina 19 y galectina 3 son altos en el carcinoma papilar, Gu sostuvo que estos modelos pueden ayudar a los radiólogos y oncólogos a identificar los cánceres papilares de tiroides ", lo que es beneficioso para diagnosticar los cánceres papilares de tiroides antes y elegir las opciones de tratamiento de manera oportuna"
En última instancia, afirmó Gu, "este modelo puede usarse para identificar nódulos tiroideos benignos y malignos".
Fuente de la historia :
Materiales proporcionado por Sociedad Americana de Rayos Roentgen . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :