Prediction model for extrathyroidal extension in thyroid papillary carcinoma based on ultrasound radiomics
8.4
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-10-17 03:44
摘要：
本研究构建了一种基于超声影像组学的预测模型，用于评估甲状腺乳头状癌患者的外甲状腺扩展（ETE）。通过分析609名患者的数据，提取了806个影像特征，并最终选出6个显著特征用于模型构建。XGB模型在测试和外部验证集中的表现优异，AUC值分别为0.841和0.814，显示出良好的临床应用价值。该模型的多中心设计增强了其普适性，为个体化治疗提供了科学依据。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分
business_impact
1.0分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
0.7分
关键证据
XGB模型在测试集和外部验证集中的AUC值分别为0.841和0.814，显示出良好的预测性能。
研究构建了多种机器学习模型，最终选出6个显著特征，增强了模型的稳定性和准确性。
研究采用多中心设计，减少了临床推广的偏倚风险。
真实性检查
否
AI评分总结
本研究构建了一种基于超声影像组学的预测模型，用于评估甲状腺乳头状癌患者的外甲状腺扩展（ETE）。通过分析609名患者的数据，提取了806个影像特征，并最终选出6个显著特征用于模型构建。XGB模型在测试和外部验证集中的表现优异，AUC值分别为0.841和0.814，显示出良好的临床应用价值。该模型的多中心设计增强了其普适性，为个体化治疗提供了科学依据。