Tiến bộ trong điều trị cá nhân hóa ung thư tuyến giáp dạng nhú: Mô hình học máy để dự đoán di căn hạch bạch huyết ẩn

Những điểm nổi bật

1. Sự dương tính của sự kết hợp RET và sự dương tính của đột biến BRAF là các yếu tố nguy cơ phân tử độc lập cho di căn hạch bạch huyết trung tâm ẩn (OLNM) trong ung thư tuyến giáp dạng nhú (PTC) không có di căn hạch bạch huyết lâm sàng (cN0).

2. Mô hình rừng ngẫu nhiên đạt AUC 0.906 trong tập huấn luyện và 0.733 trong tập kiểm tra để dự đoán nguy cơ OLNM.

3. Mô hình này có sẵn dưới dạng máy tính trực tuyến để sử dụng lâm sàng.

Nền tảng

Ung thư tuyến giáp dạng nhú (PTC) là loại ung thư tuyến giáp phổ biến nhất, với tiên lượng chung thuận lợi. Tuy nhiên, sự hiện diện của di căn hạch bạch huyết, đặc biệt là di căn ẩn không thể phát hiện bằng hình ảnh trước phẫu thuật, có thể ảnh hưởng đáng kể đến quyết định điều trị và kết quả của bệnh nhân. Dự đoán chính xác OLNM trước phẫu thuật là rất quan trọng để tối ưu hóa chiến lược điều trị, đặc biệt là trong thời đại của tiêu diệt nhiệt và theo dõi tích cực cho PTC nguy cơ thấp.

Thiết kế nghiên cứu

Nghiên cứu hồi cứu này phân tích dữ liệu từ 961 bệnh nhân PTC cN0 được điều trị từ tháng 8 năm 2018 đến tháng 8 năm 2023. Đội ngũ được chia ngẫu nhiên thành tập huấn luyện và tập kiểm tra, với một nhóm bệnh nhân có khối u ≤1 cm được trích xuất để kiểm chứng nội bộ. Tám mô hình học máy đã được phát triển, kết hợp các đặc điểm lâm sàng, siêu âm và phân tử. Khả năng diễn giải mô hình được cải thiện bằng cách sử dụng Shapley Additive exPlanations (SHAP).

Kết quả chính

Nghiên cứu đã xác định sự dương tính của sự kết hợp RET và sự dương tính của đột biến BRAF là các yếu tố nguy cơ phân tử độc lập cho OLNM trong PTC cN0, cùng với sáu biến lâm sàng và siêu âm. Mô hình dự đoán cuối cùng bao gồm chín biến số. Mô hình rừng ngẫu nhiên thể hiện hiệu suất tối ưu với AUC 0.906 trong tập huấn luyện và 0.733 trong tập kiểm tra, cùng với các điểm Brier thấp cho thấy khả năng hiệu chỉnh tốt. Kiểm chứng nội bộ trong khối u ≤1 cm cho thấy AUC 0.719, xác nhận độ bền vững của mô hình. Phân tích SHAP tiết lộ kích thước khối u, tuổi bệnh nhân và các điểm phản hồi mạnh tập trung là các biến dự đoán hàng đầu của OLNM.

Bình luận chuyên gia

Nghiên cứu này đại diện cho một bước tiến đáng kể trong đánh giá rủi ro cá nhân hóa cho bệnh nhân PTC. Việc xác định sự dương tính của sự kết hợp RET là yếu tố nguy cơ độc lập cho OLNM đặc biệt đáng chú ý, vì nó có thể giúp tinh chỉnh quyết định phẫu thuật. Mặc dù mô hình cho thấy hứa hẹn, việc xác thực triển vọng thêm là cần thiết để xác nhận tính hữu ích lâm sàng của nó trên các dân số đa dạng.

Kết luận

Mô hình rừng ngẫu nhiên được phát triển cung cấp công cụ hữu ích lâm sàng để dự đoán nguy cơ OLNM trong bệnh nhân PTC cN0 bằng cách tích hợp dữ liệu đa phương thức. Máy tính trực tuyến dựa trên web giúp triển khai thực tế trong thực hành lâm sàng, có thể hướng dẫn các cách tiếp cận điều trị cá nhân hóa hơn. Nghiên cứu trong tương lai nên tập trung vào xác thực triển vọng và khám phá các dấu hiệu phân tử bổ sung để tinh chỉnh độ chính xác dự đoán.

Tài trợ và ClinicalTrials.gov

Nghiên cứu không báo cáo nguồn tài trợ cụ thể hoặc thông tin đăng ký tại ClinicalTrials.gov.