RU2725749C1 - Способ оценки риска наличия рака щитовидной железы у пациента с узловыми образованиями щитовидной железы - Google Patents
Способ оценки риска наличия рака щитовидной железы у пациента с узловыми образованиями щитовидной железы Download PDFInfo
- Publication number
- RU2725749C1 RU2725749C1 RU2019137712A RU2019137712A RU2725749C1 RU 2725749 C1 RU2725749 C1 RU 2725749C1 RU 2019137712 A RU2019137712 A RU 2019137712A RU 2019137712 A RU2019137712 A RU 2019137712A RU 2725749 C1 RU2725749 C1 RU 2725749C1
- Authority
- RU
- Russia
- Prior art keywords
- thyroid
- nodular
- points
- thyroid cancer
- formations
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Chemical & Material Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Food Science & Technology (AREA)
- Urology & Nephrology (AREA)
- Medicinal Chemistry (AREA)
- Hematology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
Изобретение относится к медицине, а именно к онкологии и эндокринологии и может быть использовано для оценки риска наличия рака щитовидной железы (РЩЖ) у пациентов с узловыми образованиями щитовидной железы. Проводят исследования узловых образований лучевым методом. Биохимическое и гормональное исследование образца сыворотки крови пациента. По результатам исследований определяют диагностические признаки, в качестве которых используют: локализацию узлового образования щитовидной железы, наличие микрокальцинатов, тип эхогенности узлового образования, тип узлового кровотока, уровень тиреотропного гормона, уровень триглицеридов. Риск наличия рака щитовидной железы рассчитывают по оригинальной расчетной формуле. Способ обеспечивает получение достоверной и объективной оценки наличия РЩЖ (с вероятностью не менее 90%) особенно у пациентов в условиях умеренного йодного дефицита. 3 табл., 3 пр., 1 ил.
Description
Изобретение относится к медицине, а именно к онкологии и эндокринологии.
Выявляемость рака щитовидной железы (РЩЖ) значительно увеличилась за последние три десятилетия. Рост распространенности РЩЖ отмечается во всем мире, во всех возрастных группах, как у мужчин, так и у женщин. Широкое использование ультразвуковых методов диагностики (УЗИ), КТ, МРТ, привело к эпидемии узловой патологии среди населения и, соответственно, к увеличению количества необоснованных оперативных вмешательств. Несмотря на большое количество диагностических методов, используемых в тиреоидологии, ни один из них не может достоверно дифференцировать доброкачественное образование от злокачественного. В настоящее время изучается возможность создания систем стратификации риска, которые наряду с УЗИ могли бы более точно предсказать вероятность онкозаболевания у того или иного пациента и более четко определить показания для инвазивных методов диагностики, что особенно важно для некоторых групп пациентов, таких как беременные женщины, пожилые или ослабленные пациенты. Используемые модели стратификации риска рака щитовидной железы, как правило, основаны исключительно на ультразвуковых характеристиках узловых образований. Основной является система TIRADS и ее модификации: EU-TIRADS (European Thyroid Association Guidelines for Ultrasound Malignancy Risk Stratification of Thyroid Nodules in Adults: The EU-TIRADS. Gilles Russ, Steen J. Bonnema et al. European Thyroid Journal, 6, 5, 2017), ACR-TIRADS (ACR Thyroid Imaging, Reporting and Data System (TI-RADS): White Paper of the ACR TI-RADS Committee, Franklin N. Tessler, William D. iddleton et al. Journal of the American College of Radiology, 14, 5, 5 2017), K-TIRADS (A multicenter prospective validation study for the Korean thyroid imaging reporting and data system in patients with thyroid nodules. Eun Ju Ha, Won Jin Moon et al. Korean Journal of Radiology, 17, 5, 9 2016). Однако к настоящему моменту накоплены данные о других предикторах развития РЩЖ, таких как пол, возраст пациента, уровень ТТГ, семейный анамнез РЩЖ, облучение области голова/шея в анамнезе, наличие инсулинорезистентности (Vigneri R., Malandrino P., Vigneri P. The changing epidemiology of thyroid cancer // Current Opinion in Oncology. 2015. №1 (27). C. 1-7.) На основании этих данных возникла концепция комплексной модели стратификации риска РЩЖ, которая бы включала в себя биохимические, клинические и ультразвуковые предикторы.
Из уровня техники известен способ диагностики опухолей щитовидной железы у больных узловыми образованиями щитовидной железы (патент RU 2407427), согласно которому проводят цитологическое, ультразвуковое и клинико-анамнестическое обследование щитовидной железы и по результатам обследования определяют следующие параметры: ультразвуковые - интранодулярный кровоток в узловом образовании - X1, неровный контур узла - Х2, гипоэхогенность узлового образования - Х3, кальцинаты в узловом образовании - Х4, неоднородность узлового образования - Х5, отсутствие ободка «хало» - Х6, цитологические - папиллярные структуры - Х7, внутриядерные включения - Х8, клинико-анамнестические - быстрый рост узла в щитовидной железе - Х9. При наличии признака ставят значение «1», при его отсутствии - «0». На основании полученных данных рассчитывают значения Y1 и Y2 по заявленным функциям. При этом если значение Y2 больше, чем Y1, устанавливают диагноз опухоли щитовидной железы, если значение Y1 больше Y2 - исключают диагноз опухоли щитовидной железы.
Известен также способ диагностики рака щитовидной железы у больных с дооперационным цитологическим диагнозом «фолликулярная опухоль», представленный в патенте RU 2493770. При этом в качестве диагностических параметров используют следующие: гипоэхогенность узлового образования - X1, неоднородность узлового образования - Х2, отсутствие ободка «хало» - Х3, неровный контур узлового образования - Х4, кальцинаты в узловом образовании - Х5, интранодулярный кровоток в узловом образовании - Х6; определяют клинико-анамнестические параметры: мужской пол - Х7, размер узлового образования больше 2 см - Х8, быстрый рост узла в щитовидной железе ≤1 года - Х9, повышенная плотность узлового образования, определяемая при пальпации, - X10, увеличенные шейные лимфоузлы - X11, тиреотоксикоз - X12, анамнез заболевания ≤1 года - Х13.
Недостатками известных способов являются необходимость проведения инвазивного исследования (ТАБ) для получения цитологических характеристик, отсутствие включения биохимических маркеров, использование субъективных методов диагностики (пальпация), что повышает риск получения ошибочных выводов.
Наиболее близким к предлагаемому решению является способ прогнозирования РЩЖ, основанный на оценке 6 диагностических факторов из числа клинических и лабораторно-инструментальных параметров с применением балльной системы, позволяющей соотнести итоговую сумму баллов с вероятностью наличия РЩЖ (Witczak, J., Taylor, P., Chai, J. et al. Predicting malignancy in thyroid nodules: feasibility of a predictive model integrating clinical, biochemical, and ultrasound characteristics. Thyroid Res 9,4 (2016)). В качестве диагностических факторов используют уровень ТТГ >2,5 мМЕ/л (1 балл), возрастная группа менее 30 лет или более 60 лет (1 балл), наличие микрокальцинатов в узле (2 балла), мужской пол (2 балла), нечеткие контуры узла (2 балла), смешанная эхогенность (1 балл), гипоэхогенность (2 балла). Сумма баллов более 4 высокочувствительна (86,9%), а более 7 высокоспецифична (94,87%) для злокачественных новообразований. В то время как сумма баллов равная или менее 2 свидетельствует о доброкачественности образований.
Данная модель достаточно проста в использовании, не требует введения дополнительных мощностей и расширения лабораторной базы, однако она разработана на популяции в условиях достаточного йодного обеспечения, т.е. не может быть применима у лиц, проживающих в условиях йодного дефицита. Необходимость учитывать обеспечение региона йодом продиктована тем, что отмечается значительная связь между длительным йоддефицитом и фолликулярными, папиллярными и анапластическими гистотипами. Известны многочисленные механизмы, связывающие между собой йодную недостаточность и РЩЖ. Выраженный дефицит йода может вызвать повышение уровня ТТГ, что увеличит пролиферацию тиреоцитов. Также дефицит йода может способствовать ангиогенезу в тканях РЩЖ за счет увеличения экспрессии мРНК VEGF. В опухолевых клетках дефицит йода может также активировать дополнительные сигналы, такие как путь mTOR / p70S6K. Низкий уровень йода может также содействовать развитию РЩЖ, способствуя образованию свободно-радикальных форм кислорода (ROS), опосредованных Н2О2, что может привести к повреждению ДНК и соматическим мутациям.
Технической проблемой, решаемой настоящим изобретением, является создание простого и точного способа определения вероятности наличия РЩЖ у пациентов с узловыми образованиями щитовидной железы с учетом регионов их проживания, характеризующихся степенью йодного обеспечения, т.е. проживающих в условиях, как йодного дефицита, так и в условиях достаточного йодного обеспечения.
Достигаемым техническим результатом является обеспечение возможности получения достоверной и объективной прогнозной оценки наличия РЩЖ (с вероятностью не менее 90%) особенно у пациентов в условиях умеренного йодного дефицита посредством использования комплекса критериев, полученных по итогам лучевых, биохимических и гормональных методов исследования.
Технический результат достигается при реализации способа прогнозирования наличия рака щитовидной железы у пациентов с узловыми образованиями щитовидной железы, включающего проведение исследования узловых образований лучевым методом, биохимическое и гормональное исследование образца сыворотки крови пациента, по результатам исследований оценивают характеристики узловых образований: локализацию, эхогенность, васкуляризацию, наличие микрокальцинатов, уровень ТТГ и триглицеридов, при этом в качестве диагностических признаков используют:
локализацию узлового образования щитовидной железы (А), при этом в случае обнаружении локализации в среднем и нижнем сегментах долей щитовидной железы присваивают 0 баллов, в верхушке доли - 1 балл, в перешейке - 2 балла,
наличие микрокальцинатов (В), при этом при обнаружении микрокальцинатов присваивают 5 баллов, отсутствие микрокальцинтов определяют как 0 баллов,
тип эхогенности узлового образования (С), при этом гиперэхогенному или изоэхогенному узловому образованию присваивают 0 баллов, гипоэхогенному - 2 балла,
тип узлового кровотока (D), при этом периферическому кровотоку присваивают 0 баллов, интранодулярному или смешанному - 2 балла,
уровень тиреотропного гормона ТТГ (Е), при этом при значениях ТТГ меньших 1,17 мМЕ/л, присваивают 0 баллов, при значениях ТТГ больших или равных 1,17 мМЕ/л, присваивают 1 балл,
уровень триглицеридов (F), при этом при значениях триглицеридов меньших 0,94 ммоль/л, присваивают 0 баллов, при значениях триглицеридов больших или равных 0,94 ммоль/л, присваивают 1 балл,
рассчитывают значение R, соответствующее сумме баллов, по формуле: R=A+B+C+D+E+F и в случае рассчитанного значения R<6 делают вывод о низкой вероятности наличия рака щитовидной железы, при R≥6 делают вывод о высокой вероятности наличия рака щитовидной железы.
Изобретение поясняется графиками, где на Фиг. 1 представлены ROC-кривые прогнозирования.
При разработке способа прогнозирования на первом этапе было ретроспективно исследовано 89 узловых образований щитовидной железы, проведена оценка результатов клинических, ультразвуковых, лабораторных исследований на основании клинико-морфологического сопоставления (анализ историй болезни и протоколов гистологического исследования послеоперационного материала). На втором этапе с помощью корреляционного анализа выделены наиболее значимые факторы, высоко достоверно ассоциированные с гистологическим типом опухоли, определены вероятные качественные разновидности каждого из этих факторов.
По результатам анализа средний возраст составил 54,52±10,900 лет. По полу пациенты были распределены следующим образом: 66 женщин (74,2%) и 23 мужчины (25,8%). У 2 больных диагностирован (2,2%) фолликулярный рак, у 37 (41,6%) - папиллярный рак, фолликулярная аденома у 16 (18,0%), коллоидный зоб у 34 (38,2%).
Больные, у которых были диагностирован РЩЖ были моложе (50,4±11,789 лет и 57,44±9,270 соответственно, р=0,002), имели более высокий уровень триглицеридов (1,3076±0,68883 ммоль/л и 1,0037±0,52102 ммоль/л, р=0,031), глюкозы (5,5373±0,86527 ммоль/л и 5,4962±0,44485, р=0,003), ЛНП (3,5473±0,88638 и 2,9807±0,99450) и более высокий уровень ТТГ (2,0205±1,04412 и 1,6865±1,19351, р=0,046) по сравнению с больными с доброкачественными образованиями. Среди больных с РЩЖ было больше женщин (40,5% против 14,3% соотв, р=0,008), больных, переносивших облучение (13,5% и 1,9% соотв, р=0,032). По данным УЗИ злокачественные образования чаще локализовались в области верхушки или перешейка щитовидной железы (40,5% против 19,3% соотв, р=0,037), чаще отмечалась гипоэхогенность узла (62,2% против 26,9%, р=0,001), нечеткость контуров узла (25,0% против 6,0%), р=0,012), наличие микрокальцинатов в узле (66,7% против 9,6%, р-0,0001), смешанный узловой кровоток (73,0% и 42,3%, р=0,004).
На последнем этапе работы при помощи метода линейной регрессии построена модель оценки риска наличия рака щитовидной железы у пациентов с узловыми образованиями (Таблица 1). 
Другие факторы, такие как пол, возраст, ИМТ, нарушение углеводного обмена (сахарный диабет, нарушение толерантности к глюкозе), уровень глюкозы сыворотки крови натощак, уровень общего холестерина, уровень ЛПНП, уровень ЛПВП, размер узлового образования, края и форма узла в регрессионном анализе не показали независимой ассоциации с вероятностью диагностики злокачественного новообразования. На основании проведенных исследований была получена формула для расчета прогноза:
R=A+B+C+D+E+F,
где:
R - риск наличия рака щитовидной железы,
А - локализация узловых образования щитовидной железы (средний и нижний сегменты долей щитовидной железы - 0 баллов, верхушка доли - 1 балл, перешеек -2 балла),
В - наличие микрокальцинатов (есть микрокальцинаты - 5 баллов, нет микрокальцинтов - 0 баллов),
С - эхогенность узла (гиперэхогенный узел - 0 баллов, изоэхогенный узел - 0 баллов, гипоэхогенный узел - 2 балла),
D - узловой кровоток (периферический кровоток - 0 баллов, интронодулярный или смешанный (периферический+интронодулярный) - 2 балла),
Е - уровень тиреотропного гормона (ТТГ) (ТТГ <1,17 мМЕ/л - 0 баллов, ТТГ ≥1,17 мМЕ/л - 1 балл),
F - уровень триглицеридов (триглицериды <0.94 ммоль/л - 0 баллов, триглицериды ≥0.94 ммоль/л -1 балл).
Полученная сумма баллов может быть переведена в вероятность наличия рака щитовидной железы в соответствии со следующей таблицей (Таблица 2).
Согласно построенной на основании математической модели ROC-кривой (Фиг. 1), разработанный способ характеризуется хорошей разрешающей способностью (площадь под кривой 0,938): повышение чувствительности (96,43%) сопряжено с сохранением достаточно высокой специфичности (83,67%). Эффективность (однозначность вывода) и надежность (безошибочность вывода) способа также оказались равнозначно высокие - 90% (72 случая из 80).
Практическое применение представленного способа заключается в том, что при обращении к эндокринологу/терапевту проводится обследование больного по представленной ниже схеме; признаки кодируются исходя из их качественных и количественных характеристик по заданному шифру (шифрование выполнено в ходе статистической обработки) (таблица 3). Значимые факторы в кодовом выражении подставляются в разработанную на основании математической модели формулу, по итогам работы с которой получается величина прогноза. 
Для удобства каждодневного использования формула для расчета величины прогноза вводится однократно в MicrosoftOfficeExcel. Далее в ячейки вводятся данные. В результате вычисляется значение риска рака щитовидной железы у пациентов с узловыми образованиями щитовидной железы.
Клинический пример №1
Пациентка Т., 58 лет, с многоузловым нетоксическим зобом обратилась к эндокринологу. По результатам обследования выявлено гипоэхогенное образование («2») в области перешейка ЩЖ («2»), с микрокальцинатами («5»), интронодуллярным кровотоком («2»), размерами 14×8×14 мм. При этом уровень ТТГ 2,4 мМЕ/л («1»), триглицериды 1,33 ммоль/л («1»).
Риск наличия рака щитовидной железы для данной пациентки составил: 2+2+5+2+1+1=13.
Вероятность наличия рака щитовидной железы - высокая.
Данный диагноз был подтвержден гистологическими исследованиями тканей щитовидной железы после проведенного хирургического лечения. Полученный результат - гистологически папиллярный рак щитовидной железы с прорастанием капсулы ЩЖ и окружающей подкожно-жировой клетчатки.
Клинический пример №2
Пациент Ш., 38 лет, обратился к эндокринологу. При обследовании впервые выявлено изоэхогенное образование («0») в области перешейка ЩЖ («2»), с внутренним кровотоком («2»), без микрокальцинатов («0»). При этом уровень ТТГ 1,3 мМЕ/л («1»), триглицериды 1,28 ммоль/л («1»).
Риск наличия рака щитовидной железы для данного пациента составил: 0+2+2+0+1+1=6.
Вероятность наличия рака щитовидной железы - высокая.
Данный диагноз был подтвержден гистологическими исследования тканей щитовидной железы после проведенного хирургического лечения. Полученный результат: гистологически папиллярный рак щитовидной железы без капсулы с прорастанием в капсулу щитовидной железы и окружающую подкожно-жировую клетчатку, множественный метастазы в региональные лимфоузлы.
Клинический пример №3
Пациентка Ю., 65 лет, с многоузловым нетоксическим зобом обратилась к эндокринологу по поводу дискомфорта в области шеи. При обследовании выявлено изоэхогенное («0») узловое образование верхнего сегмента («1») левой доли ЩЖ со смешанным кровотоком («2»), без микрокальцинатов («0»), размерами 13×12×11. При этом уровень ТТГ 3,02 мМЕ/л («1»), триглицериды 2,29 ммоль/л («1»).
Риск наличия рака щитовидной железы для данной пациентки составил: 0+1+2+0+1+1=5.
Вероятность наличия рака щитовидной железы - низкая.
Данный диагноз был подтвержден гистологическими исследования тканей щитовидной железы после проведенного хирургического лечения. Полученный результат - фолликулярная аденома.
Таким образом, предлагаемый способ позволяет с вероятностью более 90% сделать безошибочный прогноз (надежность методики) риска наличия рака щитовидной железы у пациента с узловыми образованиями щитовидной железы, тем самым помочь в выборе терапевтической стратегии: наблюдение или оперативное вмешательство. Способ является простым и доступным, так как включает 6 наиболее значимых показателей, и более точным, поскольку разработан при изучении пациентов в условиях умеренного йодного дефицита.
Claims (8)
- Способ оценки риска наличия рака щитовидной железы у пациента с узловыми образованиями щитовидной железы, включающий проведение исследования узловых образований лучевым методом, проведение биохимического и гормонального исследования образца сыворотки крови пациента, определение по результатам исследований диагностических признаков, в качестве которых используют:
- локализацию узлового образования щитовидной железы (А), при этом в случае обнаружения локализации в среднем и нижнем сегментах долей щитовидной железы присваивают 0 баллов, в верхушке доли - 1 балл, в перешейке - 2 балла,
- наличие микрокальцинатов (В), при этом при обнаружении микрокальцинатов присваивают 5 баллов, отсутствие микрокальцинтов определяют как 0 баллов,
- тип эхогенности узлового образования (С), при этом гиперэхогенному или изоэхогенному узловому образованию присваивают 0 баллов, гипоэхогенному - 2 балла,
- тип узлового кровотока (D), при этом периферическому кровотоку присваивают 0 баллов, интранодулярному или смешанному - 2 балла,
- уровень тиреотропного гормона ТТГ (Е), при этом при значениях ТТГ меньших 1,17 мМЕ/л, присваивают 0 баллов, при значениях ТТГ больших или равных 1,17 мМЕ/л, присваивают 1 балл,
- уровень триглицеридов (F), при этом при значениях триглицеридов меньших 0,94 ммоль/л, присваивают 0 баллов, при значениях триглицеридов больших или равных 0,94 ммоль/л, присваивают 1 балл,
- рассчитывают значение R, соответствующее сумме баллов, по формуле: R=A+B+C+D+E+F и в случае рассчитанного значения R<6 делают вывод о низкой вероятности наличия рака щитовидной железы, при R≥6 делают вывод о высокой вероятности наличия рака щитовидной железы.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019137712A RU2725749C1 (ru) | 2019-11-22 | 2019-11-22 | Способ оценки риска наличия рака щитовидной железы у пациента с узловыми образованиями щитовидной железы |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019137712A RU2725749C1 (ru) | 2019-11-22 | 2019-11-22 | Способ оценки риска наличия рака щитовидной железы у пациента с узловыми образованиями щитовидной железы |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2725749C1 true RU2725749C1 (ru) | 2020-07-03 |
Family
ID=71509880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2019137712A RU2725749C1 (ru) | 2019-11-22 | 2019-11-22 | Способ оценки риска наличия рака щитовидной железы у пациента с узловыми образованиями щитовидной железы |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2725749C1 (ru) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037919A (zh) * | 2020-09-15 | 2020-12-04 | 南京鼓楼医院 | 一种用于甲状腺结节患者乳头状癌的风险评估模型 |
| RU2759128C1 (ru) * | 2021-03-05 | 2021-11-09 | Федеральное государственное бюджетное учреждение науки Институт молекулярной и клеточной биологии Сибирского отделения Российской академии наук (ИМКБ СО РАН) | Способ дооперационной дифференциальной диагностики анапластического рака щитовидной железы |
| CN114694836A (zh) * | 2020-12-30 | 2022-07-01 | 上海交通大学医学院附属瑞金医院 | 基于甲状腺癌淋巴结转移预测模型的评估系统 |
| RU2812681C1 (ru) * | 2023-03-27 | 2024-01-31 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Алтайский государственный медицинский университет" Министерства здравоохранения Российской Федерации | Способ определения предрасположенности к развитию рака щитовидной железы |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2264168C2 (ru) * | 2003-04-10 | 2005-11-20 | Назарочкин Юрий Валерианович | Способ прогнозирования числа случаев рака щитовидной железы |
| WO2010061407A1 (en) * | 2008-11-26 | 2010-06-03 | Decode Genetics Ehf | Genetic variants useful for risk assessment of thyroid cancer |
-
2019
- 2019-11-22 RU RU2019137712A patent/RU2725749C1/ru active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2264168C2 (ru) * | 2003-04-10 | 2005-11-20 | Назарочкин Юрий Валерианович | Способ прогнозирования числа случаев рака щитовидной железы |
| WO2010061407A1 (en) * | 2008-11-26 | 2010-06-03 | Decode Genetics Ehf | Genetic variants useful for risk assessment of thyroid cancer |
Non-Patent Citations (2)
| Title |
|---|
| Witczak, J. et al. Predicting malignancy in thyroid nodules: feasibility of a predictive model integrating clinical, biochemical, and ultrasound characteristics. Thyroid Res., 2016, 9, p. 4 . * |
| Новосад С. В. и др. Современные прогностические модели стратификации риска рака щитовидной железы, Геникология и Эндокринология, 8(25), 2016, с. 52-56. * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037919A (zh) * | 2020-09-15 | 2020-12-04 | 南京鼓楼医院 | 一种用于甲状腺结节患者乳头状癌的风险评估模型 |
| CN112037919B (zh) * | 2020-09-15 | 2024-02-23 | 南京鼓楼医院 | 一种用于甲状腺结节患者乳头状癌的风险评估模型 |
| CN114694836A (zh) * | 2020-12-30 | 2022-07-01 | 上海交通大学医学院附属瑞金医院 | 基于甲状腺癌淋巴结转移预测模型的评估系统 |
| CN114694836B (zh) * | 2020-12-30 | 2024-06-04 | 上海交通大学医学院附属瑞金医院 | 基于甲状腺癌淋巴结转移预测模型的评估系统 |
| RU2759128C1 (ru) * | 2021-03-05 | 2021-11-09 | Федеральное государственное бюджетное учреждение науки Институт молекулярной и клеточной биологии Сибирского отделения Российской академии наук (ИМКБ СО РАН) | Способ дооперационной дифференциальной диагностики анапластического рака щитовидной железы |
| RU2812681C1 (ru) * | 2023-03-27 | 2024-01-31 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Алтайский государственный медицинский университет" Министерства здравоохранения Российской Федерации | Способ определения предрасположенности к развитию рака щитовидной железы |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nelson et al. | Factors associated with rates of false-positive and false-negative results from digital mammography screening: an analysis of registry data | |
| Vander et al. | The significance of nontoxic thyroid nodules: final report of a 15-year study of the incidence of thyroid malignancy | |
| Dick et al. | The effect of obesity on the association between liver fat and carotid atherosclerosis in a multi-ethnic cohort | |
| RU2725749C1 (ru) | Способ оценки риска наличия рака щитовидной железы у пациента с узловыми образованиями щитовидной железы | |
| Gierach et al. | Comparison of mammographic density assessed as volumes and areas among women undergoing diagnostic image-guided breast biopsy | |
| Tseng et al. | Clinical accuracy of preoperative breast MRI for breast cancer | |
| Smith et al. | Screening and early detection | |
| Pareek et al. | Predicting the spread of vessels in initial stage cervical cancer through radiomics strategy based on deep learning approach | |
| Sugitani | Active surveillance of low-risk papillary thyroid microcarcinoma | |
| Hu et al. | Preoperative nomogram for predicting sentinel lymph node metastasis risk in breast cancer: a potential application on omitting sentinel lymph node biopsy | |
| Sun et al. | Utility of transabdominal ultrasound for surveillance of known pancreatic cystic lesions: prospective evaluation with MRI as reference standard | |
| Yitta et al. | Pelvic ultrasound immediately following MDCT in female patients with abdominal/pelvic pain: is it always necessary? | |
| De Pasquale et al. | Evaluation of Wisconsin and CaPTHUS indices usefulness for predicting monoglandular and multiglandular disease in patients with primary hyperparathyroidism through the analysis of a single-center experience | |
| KR20110052361A (ko) | 조기 위암 무재발생존 예측 시스템 및 예측 방법 | |
| Carney et al. | Likelihood of additional work-up among women undergoing routine screening mammography: the impact of age, breast density, and hormone therapy use | |
| Zhang et al. | Predicting malignancy of thyroid micronodules: radiomics analysis based on two types of ultrasound elastography images | |
| Brennan et al. | The role of breast MRI in clinical practice | |
| Shin et al. | Total mesorectal excision versus local excision after favorable response to preoperative chemoradiotherapy in “early” clinical T3 rectal cancer: A propensity score analysis | |
| Ciudin et al. | The evolution of CT diagnosed papillae tip microcalcifications: can we predict the development of stones? | |
| Yang et al. | Application of radiomics in predicting the preoperative risk stratification of gastric stromal tumors | |
| Zhou et al. | Preoperative US Integrated Random Forest Model for Predicting Delphian Lymph Node Metastasis in Patients with Papillary Thyroid Cancer | |
| Uçar et al. | The relationship between ureteral obstruction time and secondary signs in computed tomography due to ureteral stone obstruction | |
| Patel et al. | Management of the thyroid nodule | |
| RU2800817C1 (ru) | Способ прогнозирования эффективности химиотерапии при раке мочевого пузыря по данным магнитно-резонансной томографии | |
| Weik et al. | The Gail model predicts breast cancer in women with suspicious radiographic lesions |