Prediksjon av mediastinal stasjon IV lymfeknutemetastase i ikke-småcellet lungekreft

Bakgrunn: Lungekreft er en av de ondartede svulstene med høyest sykelighet og dødelighet i verden. ikke-småcellet lungekarsinom (NSCLC) utgjør omtrent 85 % av lungekreft, og 5-års overlevelsesraten er omtrent 19 %. Mediastinal lymfeknutemetastase er en vanlig metastasevei ved ikke-småcellet lungekarsinom (NSCLC), og dens forekomst er nært knyttet til lymfedrenasjemønsteret. Det lymfatiske dreneringsmønsteret til forskjellige lungelappsvulster er også forskjellig. Mange studier har vist at den fjerde og syvende stasjonen av mediastinale lymfeknuter er områdene med høy forekomst av lymfeknutemetastaser. Spesielt var lymfeknutemetastaser på stasjon 4 assosiert med dårligere pasientresultater. Selv om systemisk lymfeknutedisseksjon vanligvis inkluderer minst tre sett med mediastinale lymfeknuter, inkludert stasjon 7, er det ingen enhetlig protokoll for stasjon 4-disseksjon. Denne situasjonen har en negativ innvirkning på stadiet og prognosevurderingen av lungekreftpasienter. CT-undersøkelse er et viktig verktøy for å evaluere mediastinal lymfeknutestatus, men nøyaktigheten er ikke høy. Den nye CT-radiomiksen har vist store bruksmuligheter i nøyaktigheten av diagnose av lymfeknutemetastaser. Bruken av radiomikalier for å evaluere stasjonslymfeknutene er nyttig for å forbedre nøyaktigheten av diagnosen lymfeknutemetastase, og det forventes også å gi et mer vitenskapelig grunnlag for å bestemme omfanget av lymfeknutedisseksjon.

Mål: Å forutsi lymfeknutemetastasen til den fjerde mediastinale gruppen ved CT-avbildning, og å hjelpe til med å bestemme omfanget og stadiet av lymfeknutedisseksjonen ved å sammenligne med den patologiske gullstandarden.

Studiedesign: De kliniske og patologiske dataene fra nylig diagnostiserte ikke-småcellet lungekreftpasienter innlagt ved avdelingen for hjerte- og thoraxkirurgi ved Qilu Hospital fra 2017 til mars 2024 ble samlet inn retrospektivt. Klinisk patologiske data og bildedata fra 150 pasienter forventes å bli samlet inn. Inklusjonskriterier inkluderte pasienter som hadde gjennomgått patologisk undersøkelse av den fjerde gruppen lymfeknuter ved første besøk og forbedret CT-skanning innen to uker før operasjonen. Lymfeknuteregion av interesse (ROI) ble skissert for alle påmeldte pasienter, og alle lymfeknuter ble delt inn i metastatiske og ikke-metastatiske grupper. Formålet med studien var å analysere bildedataene til disse pasientene og integrere den tilsvarende kliniske og patologiske informasjonen, slik som kliniske faktorer: alder, lungelapp, kjønn, bildetegn, etc, og patologiske faktorer: patologisk type, histologisk type, etc. I tillegg ble den korte diameteren til hver lymfeknute målt for å bestemme metastasehastigheten under forskjellige kriterier for kort diameter. Bruke maskinlæringsteknologi for å konstruere prediksjonsmodell. Hensikten med modellen var å identifisere og trekke ut trekk ved den fjerde gruppen lymfeknuter med og uten metastase. Ved nøye sammenligning med de endelige patologiske resultatene, vil etterforskerne evaluere nøyaktigheten og effektiviteten til modellen for å forutsi status for lymfeknutemetastase. Modellen kan kvantifisere risikoen for lymfeknutemetastaser og hjelpe leger med å utvikle mer personlige behandlingsplaner.