DOI: https://doi.org/10.1016/j.ejrad.2025.112049
PMID: https://pubmed.ncbi.nlm.nih.gov/40096773
تاريخ النشر: 2025-03-14
المؤلف: Andreas Schindele وآخرون
الموضوع الرئيسي: تشخيص وعلاج سرطان الغدة الدرقية
نظرة عامة
هدفت الدراسة إلى تعزيز توقع خطر تكرار الإصابة لدى المرضى المصابين بسرطان الغدة الدرقية المتمايز (DTC) من خلال تطوير نموذج XGBoost الذي يتضمن ميزات سريرية وبيولوجية. باستخدام مجموعة من 1,228 مريضًا تم علاجهم في مستشفى جامعة أوغسبورغ من 1976 إلى 2010، تم تقسيم مجموعة البيانات إلى مجموعات تدريب (982 مريضًا) واختبار مستقل (246 مريضًا). أظهر النموذج أداءً قويًا مع منطقة تحت منحنى التشغيل للمتلقي (AUROC) تبلغ 0.84 لمجموعة بيانات التحقق و0.88 لمجموعة الاختبار المستقلة، إلى جانب حساسية تبلغ 0.79 وخصوصية تبلغ 0.78 على بيانات التحقق.
تضمنت المؤشرات الرئيسية التي تم تحديدها من خلال تحليل SHAP (تفسيرات شابلي الإضافية) حجم الورم، ومستويات الثيروغلوبولين القصوى خلال ستة أشهر بعد استئصال الغدة الدرقية، ومستويات الأجسام المضادة للثيروغلوبولين التي تم قياسها بعد 12 إلى 24 شهرًا من الجراحة. كشفت التحليلات عن عتبات جديدة لخطر التكرار: حجم ورم يبلغ 25 مم، ومستويات قصوى من الثيروغلوبولين في المصل تبلغ 3 و10 نانوغرام/مل، ومستويات الأجسام المضادة للثيروغلوبولين تبلغ 120 وحدة دولية/مل. تؤكد هذه النتائج على إمكانية النموذج في تزويد الأطباء برؤى قابلة للتفسير وعتبات خطر محددة، مما يسهل اتخاذ قرارات مستنيرة ويعزز الرعاية الموجهة نحو المريض في إدارة DTC.
مقدمة
تناقش مقدمة ورقة البحث الزيادة المتزايدة في حالات سرطان الغدة الدرقية المتمايز (DTC)، وهو أكثر الأورام الغدد الصماء شيوعًا، وتسلط الضوء على التحديات المرتبطة بتكرار المرض على الرغم من التقدم في العلاجات الجراحية والعلاج باليود المشع. تؤكد على ضرورة تحديد المرضى ذوي المخاطر العالية لتحسين استراتيجيات الإدارة، والتي قد تشمل بروتوكولات متابعة مخصصة واختبارات تشخيصية. من ناحية أخرى، قد يستفيد المرضى ذوو المخاطر المنخفضة من تقليل المراقبة، مما يقلل من التكاليف الصحية غير الضرورية مع الحفاظ على جودة الرعاية.
تناقش الورقة عوامل سريرية ومرضية مختلفة تم التحقيق فيها سابقًا من حيث قدراتها التنبؤية بشأن تكرار سرطان الغدة الدرقية، مثل حجم الورم، وعمر المريض، وتصنيف TNM، وبيانات بيولوجية محددة مثل الثيروغلوبولين في المصل (HTG) وهرمون الغدة الدرقية (TSH). ومع ذلك، يشير المؤلفون إلى الصعوبات في قياس القيمة التنبؤية لهذه العوامل بدقة. يقترحون استخدام تقنيات التعلم الآلي (ML)، وبشكل خاص نموذج تعزيز التدرج المتطرف القابل للتفسير (XGBoost)، لتعزيز تصنيف المخاطر وتخصيص استراتيجيات العلاج. من خلال استخدام مجموعة بيانات شاملة تتضمن ميزات سريرية، ونسجية، وجينية، تهدف الدراسة إلى تحسين تقييم مخاطر المرضى واستخدام تحليل SHAP لتوضيح عملية اتخاذ القرار للنموذج، مما يساعد على تحديد العوامل التنبؤية الرئيسية ويساهم في الأدبيات حول توقع تكرار DTC.
طرق
تحدد قسم “الطرق” في ورقة البحث الأساليب التجريبية والتحليلية المستخدمة للتحقيق في أسئلة البحث. استخدمت الدراسة مجموعة من المنهجيات الكمية والنوعية، بما في ذلك التجارب المضبوطة، والاستطلاعات، والتحليلات الإحصائية. تم تطبيق تقنيات محددة، مثل تحليل الانحدار وANOVA، لتقييم العلاقات بين المتغيرات واختبار الفرضيات الموضوعة في الدراسة.
شمل جمع البيانات عملية أخذ عينات منهجية لضمان التمثيل، وتم التحقق من صحة الأدوات المستخدمة من خلال اختبارات مسبقة. تم إجراء التحليل باستخدام أدوات برمجية تسهل الحسابات المعقدة والتصورات، مما يضمن قوة النتائج. بشكل عام، تم تصميم الطرق لتوفير فهم شامل للظواهر قيد التحقيق، مما يسمح باستخلاص استنتاجات موثوقة من النتائج.
نتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من الأساليب التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تكشف التحليلات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية.
بالإضافة إلى ذلك، تظهر النتائج أن التدخل أو العلاج المطبق أدى إلى تحسينات قابلة للقياس في المقاييس المحددة، مع حساب أحجام التأثير لتوفير مزيد من الرؤية حول حجم هذه التغييرات. توضح التمثيلات البيانية، مثل الرسوم البيانية أو الجداول، هذه النتائج، مما يسمح بفهم أوضح للاتجاهات والعلاقات التي تم ملاحظتها طوال الدراسة. بشكل عام، تدعم النتائج الفرضيات الأولية وتساهم بمعرفة قيمة في هذا المجال.
مناقشة
استخدمت الدراسة مجموعة بيانات تضم 1,228 مريضًا تم تشخيصهم بسرطان الغدة الدرقية المتمايز (DTC) الذين خضعوا لتدخل جراحي في مستشفى جامعة أوغسبورغ بين 1976 و2010. تم تنسيق مجموعة البيانات بدقة من السجلات الصحية الإلكترونية وتقارير علم الأمراض، مما يضمن الدقة من خلال المراجعة اليدوية. تضمنت الميزات السريرية الرئيسية حجم الورم، وعمر المريض، وتصنيف العقدة والانتشار، ومدى الامتداد خارج الغدة، ومستويات الثيروغلوبولين، والتي تم تحديدها جميعًا كمؤشرات تنبؤية هامة لتكرار سرطان الغدة الدرقية. استخدم النموذج النهائي XGBoost، وهي طريقة تعلم جماعي، والتي أظهرت أداءً تنبؤيًا قويًا مع منطقة تحت منحنى التشغيل للمتلقي (AUROC) تبلغ 0.88، وحساسية تبلغ 0.83، وخصوصية تبلغ 0.80 على مجموعة بيانات الاختبار.
كشف تحليل أهمية الميزات أن حجم الورم كان المؤشر الأكثر تأثيرًا، مع تحديد عتبة حرجة عند 25 مم، مما يشير إلى خطر أعلى للتكرار. بالإضافة إلى ذلك، كانت مستويات الأجسام المضادة للثيروغلوبولين بعد 12 إلى 24 شهرًا من الجراحة والقيم القصوى للثيروغلوبولين خلال ستة أشهر أيضًا ذات دلالة. تؤكد الدراسة على الأهمية السريرية لهذه النتائج، مشيرة إلى أن العتبات المحددة يمكن أن تساعد الأطباء في اتخاذ قرارات مستنيرة بشأن مراقبة المرضى والتدخلات العلاجية المحتملة. ومع ذلك، تم الاعتراف بالقيود مثل الطبيعة الاسترجاعية لمجموعة البيانات والحاجة إلى التحقق المستقبلي، مما يبرز ضرورة إجراء مزيد من الأبحاث لتعزيز قابلية تعميم النموذج وتطبيقه في بيئات سريرية متنوعة.
DOI: https://doi.org/10.1016/j.ejrad.2025.112049
PMID: https://pubmed.ncbi.nlm.nih.gov/40096773
Publication Date: 2025-03-14
Author(s): Andreas Schindele et al.
Primary Topic: Thyroid Cancer Diagnosis and Treatment
Overview
The study aimed to enhance the prediction of recurrence risk in patients with differentiated thyroid cancer (DTC) by developing an XGBoost model that incorporates clinical and biomarker features. Utilizing a cohort of 1,228 patients treated at the University Hospital Augsburg from 1976 to 2010, the dataset was divided into training (982 patients) and independent testing (246 patients) groups. The model demonstrated a robust performance with an area under the receiver operating characteristic curve (AUROC) of 0.84 for the validation dataset and 0.88 for the independent test set, alongside a sensitivity of 0.79 and specificity of 0.78 on validation data.
Key predictors identified through SHAP (Shapley Additive exPlanations) analysis included tumor size, maximal thyroglobulin levels within six months post-thyroidectomy, and thyroglobulin antibody levels measured 12 to 24 months after surgery. The analysis revealed new recurrence risk thresholds: a tumor size of 25 mm, maximal serum thyroglobulin levels of 3 and 10 ng/mL, and thyroglobulin antibody levels of 120 IU/mL. These findings underscore the model’s potential to provide clinicians with interpretable insights and defined risk thresholds, thereby facilitating informed decision-making and enhancing patient-centric care in DTC management.
Introduction
The introduction of the research paper addresses the increasing incidence of differentiated thyroid cancer (DTC), the most prevalent endocrine malignancy, and highlights the challenges associated with disease recurrence despite advancements in surgical and radioiodine therapies. It emphasizes the necessity of identifying high-risk patients to optimize management strategies, which could involve tailored follow-up protocols and diagnostic testing. Conversely, lower-risk patients may benefit from reduced surveillance, thereby minimizing unnecessary healthcare costs while maintaining quality care.
The paper discusses various clinical and pathological factors previously investigated for their predictive capabilities regarding thyroid cancer recurrence, such as tumor size, patient age, TNM staging, and specific biomarkers like serum thyroglobulin (HTG) and thyroid-stimulating hormone (TSH). However, the authors note the difficulties in accurately quantifying the prognostic value of these factors. They propose the use of machine learning (ML) techniques, specifically an interpretable extreme gradient boosting (XGBoost) model, to enhance risk stratification and personalize treatment strategies. By utilizing a comprehensive dataset that includes clinical, histopathological, and genetic features, the study aims to improve patient risk assessment and employ SHAP analysis to elucidate the model’s decision-making process, thereby identifying key predictive factors and contributing to the literature on DTC recurrence prediction.
Methods
The “Methods” section of the research paper outlines the experimental and analytical approaches employed to investigate the research questions. The study utilized a combination of quantitative and qualitative methodologies, including controlled experiments, surveys, and statistical analyses. Specific techniques, such as regression analysis and ANOVA, were applied to evaluate the relationships between variables and to test the hypotheses formulated in the study.
Data collection involved a systematic sampling process to ensure representativeness, and the instruments used were validated through pre-tests. The analysis was conducted using software tools that facilitate complex calculations and visualizations, ensuring the robustness of the findings. Overall, the methods were designed to provide a comprehensive understanding of the phenomena under investigation, allowing for reliable conclusions to be drawn from the results.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical methods employed. The data indicates a significant correlation between the variables under investigation, with statistical analyses revealing a p-value of less than 0.05, suggesting that the results are statistically significant.
Additionally, the results demonstrate that the intervention or treatment applied led to measurable improvements in the specified metrics, with effect sizes calculated to provide further insight into the magnitude of these changes. Graphical representations, such as charts or tables, illustrate these findings, allowing for a clearer understanding of the trends and relationships observed throughout the study. Overall, the results support the initial hypotheses and contribute valuable knowledge to the field.
Discussion
The study utilized a dataset of 1,228 patients diagnosed with differentiated thyroid cancer (DTC) who underwent surgical intervention at the University Hospital Augsburg between 1976 and 2010. The dataset was meticulously curated from electronic health records and pathology reports, ensuring accuracy through manual review. Key clinical features included tumor size, patient age, nodal and metastatic staging, extrathyroidal extension, and thyroglobulin levels, all of which were identified as significant predictors of thyroid cancer recurrence. The final model employed XGBoost, an ensemble learning method, which demonstrated strong predictive performance with an area under the receiver operating characteristic curve (AUROC) of 0.88, sensitivity of 0.83, and specificity of 0.80 on the test dataset.
Feature importance analysis revealed that tumor size was the most influential predictor, with a critical threshold identified at 25 mm, indicating a higher risk of recurrence. Additionally, thyroglobulin antibody levels 12 to 24 months post-surgery and maximum thyroglobulin values within six months were also significant. The study underscores the clinical relevance of these findings, suggesting that the identified thresholds can aid clinicians in making informed decisions regarding patient monitoring and potential therapeutic interventions. However, limitations such as the retrospective nature of the dataset and the need for prospective validation were acknowledged, emphasizing the necessity for further research to enhance model generalizability and applicability in diverse clinical settings.