Radiomik til præoperativ kæbecystdifferentiering: En multicenter ML-undersøgelse

Cystiske kæbelæsioner omfatter odontogene tumorer og ikke-tumorøse cystiske læsioner, der forekommer i kæbebenet, hvor ameloblastom er det mest almindelige blandt de førstnævnte, og odontogene og ikke-odontogene cyster blandt sidstnævnte. I øjeblikket varierer behandlingsfokuset for forskellige typer af kæbeknoglecystiske læsioner. Ameloblastomer, som kan gentage sig og metastasere, behandles primært med kirurgisk excision, mens cystiske læsioner behandles mere bredt med procedurer som curettage og pungpung. Derfor er nøjagtig præoperativ differentialdiagnose af forskellige kæbeknoglelæsioner og det efterfølgende valg af passende behandlingsplaner afgørende for at opnå optimale patientresultater. Uhensigtsmæssige behandlingsvalg kan forsinke tilstanden eller føre til overbehandling, hvilket påvirker patientens livskvalitet. På nuværende tidspunkt mangler der stadig en objektiv og nøjagtig standard- og differentialdiagnoseprotokol til behandling af cystiske kæbelæsioner, hvilket gør etableringen af ​​en objektiv og videnskabelig præoperativ diagnostisk forudsigelsesmodel af væsentlig klinisk betydning. I tidligere forskning har vi med succes udviklet en effektiv prædiktiv diagnostisk model ved at integrere maskinlæringsteknikker med computertomografi (CT) radiomik, opnåelse af en maksimal AUC-værdi >0,8, hvilket indikerer god prædiktiv ydeevne og klinisk referenceværdi. I den aktuelle undersøgelse sigter vi mod at udføre et multicenter, prospektivt maskinlæringsstudie for yderligere at forbedre modellens prædiktive diagnostiske ydeevne og assistere klinisk diagnose og behandling.

Dette studie er designet som et multicenter, prospektivt maskinlæringsstudie, der involverer 300 patienter med cystiske kæbelæsioner på tværs af 12 centre, som beskrevet i listen over samarbejdende institutioner. Baseret på vores tidligere undersøgelse af de faktiske diagnostiske og behandlingsmæssige forhold på hvert forskningscenter, planlægger vi at bruge forskellige typer billeddata til gruppering i henhold til de udførte billeddiagnostiske undersøgelser og at standardisere behandlingen af ​​billeddata fra forskellige enheder og typer til efterfølgende arbejde. Sun Yat-sen Memorial Hospital ved Sun Yat-sen University vil fungere som hovedcenter, med andre institutioner som undercentre. Den specifikke gruppering er som følger: spiral-CT-gruppen omfatter seks almene hospitaler; keglestråle-CT-gruppen (CBCT) omfatter et almindeligt hospital og fem specialiserede tandhospitaler.

I løbet af undersøgelsen, efter at have indskrevet patienter, der opfylder inklusionskriterierne, vil vi indsamle maxillofacial CT-billeddannelsesdata, importere dem til softwaren (LIFEx version 6.30) og afgrænse området af interesse (ROI). Radiomiske funktioner inden for ROI vil blive ekstraheret ved hjælp af Pyradiomics software, udvalgt og brugt til præoperative diagnostiske forudsigelser med den eksisterende model. Efter kirurgisk behandling vil de patologiske resultater af læsionerne blive sporet og registreret. Hvis forholdene tillader det, kan modellens prædiktive ydeevne optimeres yderligere i faser under undersøgelsen, eller metodiske justeringer og rekonstruktioner af den prædiktive model kan forsøges ved hjælp af alle tilgængelige data for at opnå en mere ideel præoperativ diagnostisk forudsigelse.