ניבוי מידת פולשנות של סרטן ריאה באמצעות טומוגרפיה

על בסיס מאפיינים כמותניים ואיכותיים של הדמיית טומוגרפיה ממוחשבת (Computed Tomography - CT) יצרו מודל לניבוי פוטנציאל פולשנות של קשריות עם אופי הדמייתי של זכוכית טחונה (Ground Glass Nodules - GGN), אשר עשוי לספק ערך ייחוס לתכנון טרום-ניתוחי של נבדקים עם GGN.

במחקר נכללו 702 נבדקים עם GGN (עם 748 GGN). מטופלים שעברו ניתוח בין התאריכים ספטמבר 2020 ועד יולי 2022 נכללו בקבוצת האימון (n=555) ואלו שנותחו בין אוגוסט 2022 ועד נובמבר 2022 נכללו בקבוצת האישוש (n=193). מידע קליני וממצאים איכותיים וכמותניים של מבדקי CT נאספו עבור נבדקים אלו. בקבוצת האימון המאפיינים האיכותיים והכמותניים ממבדקי CT שבוצעו עבור GGN נותחו באמצעות רגרסיה לוגיסטית חד ורב-משתנית. לאחר מכן יצרו מודל ניבוי מבוסס נומוגרמה. הבידול, הכיול והביצועים הקליניים הן בקבוצות האימון והן בקבוצות האימות הוערכו באמצעות מודלים של נומוגרמה.

תוצאות המחקר הדגימו כי בקבוצת האימון הודגם קוטר מירבי (יחס סיכויים של 4.707, רווח בר-סמך של 95%, 2.06-10.758) יחס תסנין לגידול (Consolidation/Tumor Ratio- CTR) [יחס סיכויים של 1.027, רווח בר-סמך של 95%, 1.011-1.043], ערך CT מירבי (יחס סיכויים של 1.025, רווח בר-סמך של 95%, 1.004-1.047) ערך CT ממוצע (יחס סיכויים של 1.035, רווח בר-סמך של 95%, 1.008-1.063; p=0.012), סימן ספיקולציה (יחס סיכויים של 2.055, רווח בר-סמך של 95%, 1.148-3.679) סימן התכנסות כלי דם (יחס סיכויים של 2.508, רווח בר-סמך של 95%, 1.345-4.676) היוו גורמי סיכון עצמאיים לאדנוקרצינומה פולשנית. על בסיס ממצאים אלו החוקרים יצרו מודל מבוסס נומוגרמה לניבוי פוטנציאל פולשנות של ממצאי GGN עם שטח תחת העקומה של 0.91 (רווח בר-סמך של 95%, 0.885-0.934) ו-0.902 (רווח בר-סמך של 95%, 0.859-0.944) בקבוצת האימון והאישוש בהתאמה. האישוש העצמי בשיטת bootstrap הדגים שטח תחת העקומה של 0.905- ממצא אשר מסמל בידול טוב של המודל. מבחן התאמה על שם Hosmer-Lemeshow שבוצע עבור קבוצות האימון והאישוש הדגים יכולת התאמה גבוהה של המודל (p>0.05). יתרה מזאת, עקומת הכיול ועקומת ניתוח ההחלטות עבור קבוצת האימון והאישוש הדגימו מידת כיול ויישום קליני גבוהים.

מסקנת החוקרים הייתה כי שילוב בין מאפיינים כמותניים ואיכותיים של הדמיית CT עם מודל ניבוי מבוסס נומוגרמה יכולים לחזות את מידת הפולשנות של GGN. למודל זה תועלת בניבוי מידת הפולשנות של ממצאי GGN בהדמיית CT ויכול לספק סיוע לניהול קליני וקבלת החלטות עבור מטופלים עם ממצאי GGN בהדמייה.

מקור:

Yang, Y., Xu, J., Wang, W. et al. A nomogram based on the quantitative and qualitative features of CT imaging for the prediction of the invasiveness of ground glass nodules in lung adenocarcinoma. BMC Cancer 24, 438 (2024). https://doi.org/10.1186/s12885-024-12207-8