超声联合BRAF V600E基因检测模型在主动监测甲状腺微小乳头状癌中的应用

来源 :安徽医科大学 | 被引量 : 0次 | 上传用户:Jesses41
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的旨在建立预测甲状腺微小乳头状癌(PTMC)侵袭性的超声联合基因风险预测模型,为主动监测PTMC提供理论依据。方法选取2017年10月至2021年1月264例行手术治疗并经术后病理诊断为PTMC的患者。将2017年10月至2019年4月收集的154例纳入模型组,2019年5月至2021年1月收集的110例纳入验证组。分析模型组154例经术后病理证实为PTMC患者的临床资料、超声特征及BRAF V600E基因结果。采用单因素分析筛选出PTMC侵袭性的危险因素,再将其纳入多因素Logistic回归分析。绘制受试者工作特征曲线(ROC曲线)评估危险因素对PTMC侵袭性的预测效能。建立风险预测模型,并将建立的模型代入验证组110例PTMC患者评估其诊断效能。结果单因素分析结果显示,男性(P=0.003)、年龄<45岁(P=0.005)、肿瘤最大径>5mm(P=0.001)、微钙化(P=0.001)、超声疑为腺外侵犯(P<0.001)、超声疑为淋巴结转移(P=0.012)、BRAF V600E基因突变型(P=0.019)与PTMC的侵袭性有关,差异均有统计学意义(P<0.05)。多因素分析显示男性、年龄<45岁、微钙化、肿瘤最大径>5 mm、超声疑为腺外侵犯、超声疑为淋巴结转移、BRAF V600E基因突变型为建立模型的危险因素。以侵袭性为纵坐标,分别以超声指标(肿瘤最大径、微钙化、超声疑为腺外侵犯、超声疑为淋巴结转移)、BRAF V600E基因、患者临床特征(性别、年龄)、二者联合以及三者联合为横坐标,绘制ROC曲线,比较其曲线下面积AUC。三者联合为横坐标所绘制的AUC为0.813(95%CI:0.747~0.879),高于其他指标,对PTMC患者侵袭性预测效能最好。根据危险因素建立赋分模型,得分越高则风险越高。在110例验证组中评估预测模型预测效能曲线下面积AUC为0.945(95%CI:0.885~0.980),cut-off值为0.5212,灵敏度为87.5%,特异度为90.3%。模型具有较好的诊断效能。结论本研究筛选出了PTMC侵袭性的七个独立危险因素,男性、年龄<45岁、肿瘤最大径>5mm、微钙化、超声疑为腺外侵犯、超声疑为淋巴结转移及BRAF V600E基因突变型。基于这几个危险因素,构建了预测PTMC侵袭性的风险预测模型,为临床对PTMC患者治疗方案的选择提供一定帮助,疑为侵袭性PTMC患者建议手术治疗,低危PTMC患者推荐主动监测。
其他文献
目的:在现在这个靶向分子时代,转移性肾癌(m RCC)的治疗方式已有了较大的转变,减瘤性肾切除术(cytoreductive nephrectomy,CN)对于m RCC患者能否提供一些生存获益仍有待研究,本研究旨在探讨接受CN的m RCC患者的预后因素并构建Nomogram预后模型。方法:使用SEER*Stat(Version8.3.5)搜集SEER(Surveillance,Epidemiol
学位
伴随着2022北京冬奥会的成功举办,体育产业和冰雪运动发展得到了党中央的高度重视,多次强调“要以举办北京冬奥会为契机,带动3亿人参与冰雪运动”。在相关政策方面,国家体育总局等七部委共同制定发布《全国冰雪场地设施建设规划(2016-2022年)》,建设目标是到2022年全国滑冰馆的数量不少于650座,其中新建不少于500座。随着场馆数量的日益增加,冰上运动馆综合使用效率低,功能转换能力差,公众需求供
学位
近年来深度学习在许多计算机视觉任务上取得了巨大的成功,例如图像分类和图像处理等。但是,要充分发挥深度神经网络的学习能力并非易事。例如,训练一个优秀的模型往往需要大量的计算资源和高质量的标注数据等。因此一个训练好的模型具有很高的商业价值,并属于模型所有者的知识产权。但是这些模型作为高价值的数字资产不可避免地面临着被窃取的风险,并且在黑盒场景下模型所有者只能获取到被窃模型的输出,而模型的结构和参数是不
学位
研究以计划行为理论为理论视角,基于H省754份应届大学毕业生问卷调查数据,探讨了大学生在读期间创业意向动态变化的基本情况、影响因素及其作用机制。研究发现,大学生在读期间创业意向水平整体不高,但呈现逐年升高的变化趋势。创业榜样、个性特质、创业态度和知觉行为控制直接影响大学生在读期间创业意向;创业政策、创业榜样和创业教育通过创业态度与知觉行为控制两个中介变量间接影响大学生创业意向;个性特质仅通过创业态
期刊
针对物体的三维重建是计算机视觉中的重要课题之一,一直以来都备受研究人员的关注。随着深度学习技术的不断发展,研究者们开始从多视图几何的三维重建方法转向了基于深度学习的三维重建方法。特别是是隐式函数表示在三维重建方法中取得的成果,更是表现出了巨大的发展潜力。隐式函数表示的三维重建方法学习物体表面隐式表示的连续场,通过预测三维空间中的任意点是否位于物体的内侧。因此,复杂的重建问题得以转换为简单的分类问题
学位
近年来人工智能不断发展,在非完备信息博弈领域中的应用逐渐深入。而证券投资市场信息海量、场景复杂,适用于人工智能的应用场景。证券投资中一个必不可少的要点是理性投资,其中一个关键的环节就是科学地对投资者进行评测诊断。科学的评测诊断方法不仅要考虑投资者自身的投资策略,还需要考虑外部市场环境和金融事件。为了验证金融事件对投资结果的影响,不仅需要从金融新闻文本中抽取相关事件信息,还需要分析事件对证券价格的影
学位
近年来,人工智能发展迅速,应用领域越来越广泛。在人工智能的众多应用领域中,金融领域是人们关注的焦点之一,因此人工智能与金融相结合衍生的交叉学科-智慧金融得以迅速发展。智慧金融研究方向众多,其中如何通过人工智能技术给予投资者个性化的金融服务凭借其广阔的应用前景脱颖而出成为大家研究的热点。如今的市场上个性化金融服务种类繁多,其中如何选择股票是投资者尤其是新手投资者在投资时最为关心的一项。基于以上背景,
学位
研究目的:颅内动脉瘤好发于血管分叉处,提示颅内动脉瘤的发生与血管形态密切相关。本研究通过探讨大脑中动脉(Middle Cerebral Artery,MCA)分叉处形态学相关参数与动脉瘤发生的关系,从而寻找分叉处动脉瘤发生的高危因素,为后期对高风险患者进行动脉瘤筛查及预测提供理论依据。研究方法:本研究回顾性分析了我院2018年1月至2020年12月期间的60例大脑中动脉分叉动脉瘤患者,并选择60例
学位
目的:评估肝细胞肝癌(HCC)微血管侵犯(MVI)的临床指标及CT影像征象,并建立预测发生MVI风险的列线图模型。方法:回顾性分析160例经术后病理证实为HCC患者的CT影像特征及临床资料,并与病理结果进行对照分析,筛选出MVI相关的预测因素,应用列线图构建评分模型,并评估模型的预测能力。结果:筛选出肿瘤直径、肿瘤形态及低密度环征3个危险因素,并应用列线图构建评分模型。列线图模型的C-index=
学位
目的:应用左室压力—应变环(LV–PSL)评估左室射血分数(LVEF)减低的急性ST段抬高型心肌梗死(STEMI)患者心肌做功变化,并探讨早期心肌做功参数在预测左室收缩功能变化中的临床价值,以期为临床诊疗、预后评估提供新的依据。方法:选取2020年3月—2020年12月在我院因初发急性STEMI行PCI治疗后左室射血分数(LVEF)减低的患者62例。记录所有患者住院期间的基本临床资料,包括:人口学
学位