METHODS: Pathomorphological examination of surgical and consultative material of adrenocortical neoplasms was carried out. All cases were verified according to the WHO Classification of adrenal gland tumors (5th ed., 2022), the tumor\'s histogenesis was confirmed by immunohistochemical examination. Statistical analysis of the histological and immunohistochemical factors in terms of their value in relation to the diagnosis of ACC was carried out on Python 3.1 in the Google Colab environment. ROC analysis was used to identify critical values of predictors. The cut-off point was selected according to the Youden`s index. Logistic regression analysis using l1-regularisation was performed. To validate the model, the initial sample was divided into training and test groups in the ratio of 9:1, respectively.
RESULTS: The study included 143 patients divided into training (128 patients) and test (15 patients) samples. A prognostic algorithm was developed, which represent a diagnostically significant set of indicators of the currently used Weiss scale. The diagnosis is carried out in 3 stages. This mathematical model showed 100% accuracy (95% CI: 96-100%) on the training and test samples.
CONCLUSIONS: The developed algorithm could solve the problem of subjectivity and complexity in the interpretation of some of the criteria of current diagnostic algorithms. The new model is unique in that, unlike others, it allows verification of all morphological variants of ACC.
UNASSIGNED: Разработать математическую модель с высокой чувствительностью и специфичностью для определения злокачественного потенциала опухолей коры надпочечника, которая может быть использована для диагностики адренокортикального рака (АКР) у взрослых.
UNASSIGNED: Проведено патоморфологическое исследование операционного и консультативного материала новообразований коры надпочечника. Все случаи верифицировали в соответствии с Классификацией опухолей надпочечника Всемирной организации здравоохранения (5-е изд., 2022), гистогенез новообразования подтверждался с помощью иммуногистохимического исследования. Выполнен статистический анализ гистологических и иммуногистохимических признаков с точки зрения их информативности в отношении диагностики АКР. Статистический анализ проведен на языке программирования Python 3.1 в среде Google Colab. Для выявления критических значений предикторов использовали ROC-анализ. Отрезная точка выбиралась согласно критерию Юдена. Выполнен логистический регрессионный анализ с использованием l1-регуляризации. Для валидации модели использовали разделение исходной выборки на обучающую и тестовую в соотношении 9:1 соответственно.
UNASSIGNED: В исследование включено 143 пациента, которые были разделены на обучающую (n=128) и тестовую (n=15) выборки. Разработан прогностический алгоритм, представляющий диагностически значимый комплекс показателей используемой в настоящее время шкалы Weiss, с помощью которого диагностика осуществляется в 3 этапа. Данная математическая модель показала 100% точность (95% ДИ: 96%—100%) на обучающей и тестовой выборке.
UNASSIGNED: Разработанный алгоритм позволит решить проблему субъективности и сложности в интерпретации некоторых из критериев существующих алгоритмов диагностики. Новая модель уникальна тем, что в отличие от других позволяет верифицировать все морфологические варианты АКР.