Predição pré-operatória de gordura perirrenal aderente. (APF)

Importância:

Para pacientes com tumores renais que necessitam de tratamento cirúrgico, a gordura perirrenal adesiva é uma variável frustrante que os cirurgiões encontram durante a cirurgia, mas o atual sistema de pontuação morfométrica renal dependente de imagem, usado para prever a dificuldade potencial da cirurgia, ignora esse fator. A previsão pré-operatória precisa do status da gordura perirrenal continua sendo uma necessidade urgente.

Propósito:

Para determinar se as características radiômicas da gordura perirrenal derivadas de imagens de tomografia computadorizada podem fornecer informações valiosas para julgar o status da gordura perirrenal, desenvolver um modelo de predição baseado em radiômica de TC combinada com aprendizado profundo e validar o desempenho do modelo em uma coorte independente.

Design, configuração e participantes:

O estudo incluiu um conjunto de dados retrospectivo e um conjunto de dados prospectivo de quatro centros médicos entre janeiro de 2020 e setembro de 2023. A tomografia computadorizada simples do rim foi realizada em xx pacientes adultos com nefrectomia parcial ou nefrectomia radical. O conjunto de treinamento, conjunto de validação e conjunto de teste interno foram fornecidos pelo Primeiro Hospital da Universidade de Jilin, e o conjunto de teste externo foi fornecido pelo Primeiro Hospital da cidade de Siping, Hospital Central de Liaoyuan e Hospital do Condado de Dongfeng. Este estudo diagnóstico usou dados de uma única instituição de janeiro de 2020 a maio de 2023 para extrair características ômicas de imagem da região de gordura perirrenal (teste T de amostra independente, contração absoluta mínima e regressão logística do operador de seleção foram usados ​​para rastrear as melhores características ômicas de imagem ). Análises univariadas e multivariadas de variáveis ​​clínicas em pacientes antes da cirurgia renal foram realizadas para determinar preditores independentes de gordura perirrenal aderente no ambiente clínico. Diferentes classificadores foram usados ​​para construir modelos de predição usando apenas os recursos ômicos de imagem e modelos de predição de fusão usando preditores clínicos independentes combinados com os recursos ômicos de imagem. Seu desempenho é verificado em dois conjuntos de testes.

Principais conquistas e medidas:

O desempenho discriminante do modelo ômico da imagem foi avaliado pela área sob a curva característica de operação do receptor e confirmado pela análise da curva de decisão.