目的通过联合生物学检测与影像学评估,在大型队列基础上构建临床预测模型,以提高肺结节良恶性鉴别的准确性。方法回顾性分析浙江大学医学院附属第一医院2020年1月—2024年4月接受胸部CT和7种肺癌相关血清自身抗体(7-AABs)检测32627例肺...目的通过联合生物学检测与影像学评估,在大型队列基础上构建临床预测模型,以提高肺结节良恶性鉴别的准确性。方法回顾性分析浙江大学医学院附属第一医院2020年1月—2024年4月接受胸部CT和7种肺癌相关血清自身抗体(7-AABs)检测32627例肺结节患者的临床资料。通过单因素和多因素logistic回归分析筛选肺结节良恶性的独立风险因素,并构建列线图模型。通过受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线及决策曲线分析(decision curve analysis,DCA)评估模型性能。结果共纳入1017例肺结节患者。训练集共712例,其中男291例、女421例,平均年龄(58±12)岁;验证集共305例,其中男129例、女176例,平均年龄(58±13)岁。单因素ROC曲线分析显示,CT联合7-AABs检测的诊断效能[曲线下面积(area under the curve,AUC)=0.794],高于单独使用CT(AUC=0.667)或7-AABs(AUC=0.514)。多因素logistic回归分析显示,影像学结节直径、结节性质及CT联合7-AABs检测为肺结节良恶性诊断的独立预测因子,以此构建列线图预测模型。该模型在训练集和验证集的AUC值分别为0.826和0.862。DCA结果显示,该模型能够为临床决策提供较高的净收益。结论联合7-AABs与CT能够显著提高肺结节良恶性鉴别的准确性。构建的预测模型为临床决策提供了有力支持,有助于肺结节的精准诊断与治疗。展开更多
文摘目的通过联合生物学检测与影像学评估,在大型队列基础上构建临床预测模型,以提高肺结节良恶性鉴别的准确性。方法回顾性分析浙江大学医学院附属第一医院2020年1月—2024年4月接受胸部CT和7种肺癌相关血清自身抗体(7-AABs)检测32627例肺结节患者的临床资料。通过单因素和多因素logistic回归分析筛选肺结节良恶性的独立风险因素,并构建列线图模型。通过受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线及决策曲线分析(decision curve analysis,DCA)评估模型性能。结果共纳入1017例肺结节患者。训练集共712例,其中男291例、女421例,平均年龄(58±12)岁;验证集共305例,其中男129例、女176例,平均年龄(58±13)岁。单因素ROC曲线分析显示,CT联合7-AABs检测的诊断效能[曲线下面积(area under the curve,AUC)=0.794],高于单独使用CT(AUC=0.667)或7-AABs(AUC=0.514)。多因素logistic回归分析显示,影像学结节直径、结节性质及CT联合7-AABs检测为肺结节良恶性诊断的独立预测因子,以此构建列线图预测模型。该模型在训练集和验证集的AUC值分别为0.826和0.862。DCA结果显示,该模型能够为临床决策提供较高的净收益。结论联合7-AABs与CT能够显著提高肺结节良恶性鉴别的准确性。构建的预测模型为临床决策提供了有力支持,有助于肺结节的精准诊断与治疗。
