Voorspelling van mediastinale station IV-lymfekliermetastasen bij niet-kleincellige longkanker

Achtergrond: Longkanker is een van de kwaadaardige tumoren met de hoogste morbiditeit en mortaliteit ter wereld. niet-kleincellig longcarcinoom (NSCLC) is verantwoordelijk voor ongeveer 85% van de longkankergevallen en het vijfjaarsoverlevingspercentage bedraagt ​​ongeveer 19%. Mediastinale lymfekliermetastase is een veel voorkomende metastaseroute bij niet-kleincellig longcarcinoom (NSCLC) en het optreden ervan hangt nauw samen met het lymfedrainagepatroon. Het lymfedrainagepatroon van verschillende longkwabtumoren is ook verschillend. Veel onderzoeken hebben aangetoond dat de vierde en zevende stations van mediastinale lymfeklieren de gebieden zijn met een hoge incidentie van lymfekliermetastasen. Met name lymfekliermetastasen op station 4 gingen gepaard met slechtere patiëntresultaten. Hoewel systemische lymfeklierdissectie gewoonlijk ten minste drie sets mediastinale lymfeklieren omvat, inclusief station 7, bestaat er geen uniform protocol voor dissectie van station 4. Deze situatie heeft een negatieve invloed op de beoordeling van het stadium en de prognose van longkankerpatiënten. CT-onderzoek is een belangrijk hulpmiddel om de status van de mediastinale lymfeklieren te evalueren, maar de nauwkeurigheid is niet hoog. De opkomende CT-radiomics hebben een groot toepassingsperspectief getoond bij de nauwkeurigheid van de diagnose van lymfekliermetastasen. Het gebruik van radiomics om de lymfeklieren van het station te evalueren is nuttig om de nauwkeurigheid van de diagnose van lymfekliermetastasen te verbeteren, en zal naar verwachting ook een meer wetenschappelijke basis bieden voor het bepalen van de reikwijdte van lymfeklierdissectie.

Doel: Het voorspellen van de lymfekliermetastasen van de vierde mediastinale groep door middel van CT-beeldvorming, en het helpen bepalen van de omvang en het stadium van lymfeklierdissectie door te vergelijken met de pathologische gouden standaard.

Studieopzet: De klinische en pathologische gegevens van nieuw gediagnosticeerde niet-kleincellige longkankerpatiënten die van 2017 tot maart 2024 waren opgenomen op de afdeling Cardiothoracale Chirurgie van het Qilu-ziekenhuis, werden met terugwerkende kracht verzameld. Er wordt verwacht dat klinisch-pathologische gegevens en beeldgegevens van 150 patiënten zullen worden verzameld. Inclusiecriteria omvatten patiënten die bij het eerste bezoek een pathologisch onderzoek van de vierde groep lymfeklieren hadden ondergaan en een uitgebreide CT-scan hadden ondergaan binnen twee weken voorafgaand aan de operatie. Voor alle geïncludeerde patiënten werd de Lymfeklier Region of Interest (ROI) geschetst, en alle lymfeklieren werden verdeeld in metastatische en niet-gemetastaseerde groepen. Het doel van het onderzoek was om de beeldgegevens van deze patiënten te analyseren en de bijbehorende klinische en pathologische informatie te integreren, zoals klinische factoren: leeftijd, longkwab, geslacht, beeldtekens, enz., en pathologische factoren: pathologisch type, histologisch type, enz. Bovendien werd de korte diameter van elke lymfeklier gemeten om de metastasesnelheid te bepalen onder verschillende criteria voor de korte diameter. Machine learning-technologie gebruiken om voorspellingsmodellen te construeren. Het doel van het model was het identificeren en extraheren van de kenmerken van de vierde groep lymfeklieren met en zonder metastase. Door zorgvuldige vergelijking met de uiteindelijke pathologische resultaten zullen de onderzoekers de nauwkeurigheid en effectiviteit van het model evalueren bij het voorspellen van de status van lymfekliermetastasen. Het model kan het risico op lymfekliermetastasen kwantificeren en artsen helpen meer gepersonaliseerde behandelplannen te ontwikkelen.