Modèles d’apprentissage automatique pour le diagnostic de récidive des ganglions lymphatiques chez les patients PTC postopératoires: une analyse radio

Arrière-plan:

Les patients atteints de carcinome de thyroïde papillaire postopératoire (PTC) ont souvent agrandi des ganglions lymphatiques cervicaux en raison de l’inflammation ou de l’hyperplasie, ce qui complique l’évaluation de la récidive ou des métastases. Cette étude visait à explorer les capacités de diagnostic de la tomographie informatisée (TDM) et l’analyse radio pour distinguer la récidive des ganglions lymphatiques cervicaux chez les patients atteints de PTC après une intervention.

Matériels et méthodes:

Une analyse rétrospective de 194 patients PTC soumise à une thyroïdectomie totale a été réalisée, avec 98 cas de récidive des ganglions lymphatiques cervicaux et 96 cas sans récidive. En utilisant le logiciel Slicer 3D, les régions d’intérêt (ROI) ont été décrites sur des images CT de phase veineuses améliorées, analysant 302 ganglions lymphatiques positifs et 391. Ces nœuds ont été divisés au hasard en ensembles de formation et de validation dans un rapport 3: 2. Python a été utilisé pour extraire les caractéristiques radiomiques du ROI et pour développer des modèles radiomiques. Les analyses univariées et multivariées ont identifié des facteurs de risque statistiquement significatifs pour la récidive des ganglions lymphatiques cervicaux des données cliniques, qui, s’ils sont combinés avec des scores radiomiques, ont constitué un nomogramme pour prédire le risque de récidive. L’efficacité diagnostique et l’utilité clinique des modèles ont été évaluées à l’aide de courbes ROC, de courbes d’étalonnage et d’analyse des courbes de prise de décision (DCA).

Résultats:

Cette étude a analysé 693 ganglions lymphatiques (302 positifs et 391 négatifs) et a identifié 35 caractéristiques radiomiques significatives par la réduction et la sélection de la dimensionnalité. Les trois modèles d’apprentissage automatiques, y compris la régression de Lazo, de la machine de support Vector Machine (SVM) et RF Radio.