Predicción preoperatoria de grasa perirrenal adherente. (APF)

Importancia:

Para los pacientes con tumores renales que requieren tratamiento quirúrgico, la grasa perirrenal adhesiva es una variable frustrante que los cirujanos encuentran durante la cirugía, pero el actual sistema de puntuación morfométrica renal dependiente de imágenes utilizado para predecir la posible dificultad de la cirugía ignora este factor. La predicción preoperatoria precisa del estado de la grasa perirrenal sigue siendo una necesidad urgente.

Objetivo:

Para determinar si las características radiómicas de la grasa perirrenal derivadas de imágenes de tomografía computarizada pueden proporcionar información valiosa para juzgar el estado de la grasa perirrenal, desarrollar un modelo de predicción basado en radiómica por TC combinada con aprendizaje profundo y validar el rendimiento del modelo en una cohorte independiente.

Diseño, montaje y participantes:

El estudio incluyó un conjunto de datos retrospectivo y un conjunto de datos prospectivo de cuatro centros médicos entre enero de 2020 y septiembre de 2023. La tomografía computarizada simple del riñón se realizó en xx pacientes adultos con nefrectomía parcial o nefrectomía radical. El conjunto de capacitación, el conjunto de validación y el conjunto de pruebas internas fueron proporcionados por el Primer Hospital de la Universidad de Jilin, y el conjunto de pruebas externas fue proporcionado por el Primer Hospital de la ciudad de Siping, el Hospital Central de Liaoyuan y el Hospital del Condado de Dongfeng. Este estudio de diagnóstico utilizó datos de una sola institución desde enero de 2020 hasta mayo de 2023 para extraer características ómicas de imágenes de la región de grasa perirrenal (se utilizó la prueba T de muestra independiente, la contracción absoluta mínima y la regresión logística del operador de selección para detectar las mejores características ómicas de imágenes ). Se realizaron análisis univariados y multivariados de variables clínicas en pacientes antes de la cirugía renal para determinar predictores independientes de grasa perirrenal adherente en el entorno clínico. Se utilizaron diferentes clasificadores para construir modelos de predicción utilizando solo las características de la imagen-ómica y modelos de predicción de fusión utilizando predictores clínicos independientes combinados con las características de la imagen-ómica. Su rendimiento se verifica en dos conjuntos de prueba.

Principales logros y medidas:

El rendimiento discriminante del modelo ómico de imágenes fue evaluado por el área bajo la curva característica operativa del receptor y confirmado mediante análisis de la curva de decisión.