Incremental value of quantitative SPECT/CT integrated parameters in a multimodal machine-learning model for differentiating spinal tuberculosis from pyogenic spondylitis
Frontiers in Cellular and Infection Microbiology·
- DOI
- 10.3389/fcimb.2026.1897479
- PMID
- —
- PMCID
- —
- OpenAlex
- W7203667121
- 研究类型
- Journal article
- 出版商
- Frontiers Media SA
- 文章类型
- journal-article
- 完整性状态
- current
为何这项研究现在值得关注
鉴别脊柱结核与化脓性脊柱炎在临床上具有重要意义,因为两者需要不同的治疗方案。研究结果提示定量SPECT/CT参数可能提供补充性诊断信息以改善鉴别诊断,但在临床应用前需要多中心验证和前瞻性研究。
结构化证据摘要
研究问题
本研究旨在开发并验证一个融合临床特征、实验室指标、影像学表现和定量SPECT/CT参数的机器学习模型,用于鉴别脊柱结核与化脓性脊柱炎,并评估定量SPECT/CT参数在常规信息基础上是否增加诊断价值。
研究设计
这是一项回顾性研究,纳入2024年9月至2026年5月间经微生物学、分子或组织病理学检查确诊的165例患者(脊柱结核96例,化脓性脊柱炎69例)。研究采用Elastic Net逻辑回归和径向基函数支持向量机构建机器学习模型,并通过重复分层嵌套交叉验证进行内部验证。
人群与场景
研究纳入165例经微生物学、分子或组织病理学方法确诊的脊柱结核或化脓性脊柱炎患者。摘要未说明具体的研究机构或地理位置。
主要发现
七项综合定量SPECT/CT参数在化脓性脊柱炎组均显著高于脊柱结核组(均P < 0.01)。纳入LBI SUVmax和LBI SUVmean的Elastic Net融合模型AUC达0.899,较基线模型提高0.110(95% CI,0.054–0.172),Brier评分降低0.048(95% CI,0.024–0.070)。径向基函数SVM融合模型AUC达0.957,但相对基线模型的增量价值仅为0.021(95% CI,−0.003至0.050)。
公共卫生意义
鉴别脊柱结核与化脓性脊柱炎在临床上具有重要意义,因为两者需要不同的治疗方案。研究结果提示定量SPECT/CT参数可能提供补充性诊断信息以改善鉴别诊断,但在临床应用前需要多中心验证和前瞻性研究。
重要局限
本研究为单中心回顾性研究,仅进行了内部验证。作者明确指出临床适用性需要通过多中心外部验证和前瞻性研究来确认。
GIDS 解读
本文在监测系统中被归类于结核病和诊断学主题。文章描述的是一种诊断鉴别工具而非流行病学监测数据,因此为结核病诊断方法提供了背景信息,但不代表疾病发生信号。
相关 GIDS 监测
文献背景不会验证、解释或改变监测信号；精确关系与背景关系会分开展示。
证据关系
本文与疾病、地区、主题及研究设计之间有 5 条可审计分类关系。