이 쿠키는 웹사이트가 정상적으로 작동하는 데 필요하며 시스템에서 꺼질 수 없습니다. 주로 사용자가 요청한 서비스(개인정보 설정, 로그인, 양식 작성 등)를 제공하기 위해 설정됩니다. 브라우저에서 이 쿠키를 차단하거나 알림을 받을 수 있도록 설정할 수 있지만, 이 경우 사이트 일부 기능이 정상적으로 작동하지 않을 수 있습니다. 이 쿠키는 개인 식별 정보를 저장하지 않습니다.
+타겟팅 쿠키
이 쿠키는 광고 파트너를 통해 설정되며, 귀하의 관심사에 기반한 광고를 다른 사이트에 표시하는 데 사용됩니다. 이 쿠키는 직접적으로 개인정보를 저장하지 않으며, 브라우저와 인터넷 기기 식별을 기반으로 작동합니다. 이 쿠키를 허용하지 않으면 타겟팅 광고를 덜 경험하게 됩니다.
+성능 쿠키
이 쿠키는 웹사이트 방문자 수 및 트래픽 소스를 집계하여, 사이트의 성능을 측정하고 개선하는 데 사용됩니다. 어떤 페이지가 인기가 많은지, 방문자가 사이트를 어떻게 이동하는지를 파악하는 데 도움이 됩니다. 모든 정보는 익명으로 수집되며, 이 쿠키를 허용하지 않을 경우 방문 및 활동 기록을 알 수 없어 사이트 성능 모니터링에 제약이 생깁니다.
Enhancing Identification of High-Risk cN0 Lung Adenocarcinoma Patients Using MRI-Based Radiomic Features
Authors
Harim Kim, Jonghoon Kim, Soohyun Hwang, You Jin Oh, Joong Hyun Ahn, Min-Ji Kim, Tae Hee Hong, Sung Goo Park, Joon Young Choi, Hong Kwan Kim, Jhingook Kim, Sumin Shin, Ho Yun Lee
Harim Kim et al. developed an MRI-based radiomics model to predict high-risk pathologic features in clinical N0 lung adenocarcinoma patients. Using AVIEW software, they extracted radiomics features from T1- and T2-weighted MRI images of 72 patients selected based on CT and PET/CT imaging criteria. Their model predicted features like micropapillary/solid patterns (MPsol), spread through air spaces (STAS), and poor differentiation with high accuracy (AUC values: 0.751-0.907). These findings correlated with poorer survival and increased nodal upstaging. AVIEW facilitated precise tumor ROI delineation and data analysis, ensuring robust imaging-pathology correlation. The study demonstrated MRI's potential in identifying high-grade lung cancer features preoperatively, supporting more precise treatment planning. Limitations included a small sample size and lack of external validation. This research paves the way for integrating advanced imaging and radiomics in personalizing lung cancer management by accurately characterizing histologic risk features and optimizing surgical decisions.
목록으로
