แบบจำลองทางคณิตศาสตร์สำหรับการวินิจฉัยแยกโรคก่อนการผ่าตัดเนื้องอกพาราไทรอยด์

เชิงนามธรรม

หลักการและวัตถุประสงค์: การวินิจฉัยมะเร็งพาราไทรอยด์ก่อนการผ่าตัดเป็นสิ่งสำคัญสำหรับการกำหนดขอบเขตของการผ่าตัด ปัจจุบันยังไม่ทราบเครื่องหมายการวินิจฉัยเฉพาะสำหรับความแตกต่างของ PC และเนื้องอกที่ไม่ร้ายแรง และผู้ป่วยน้อยกว่าครึ่งหนึ่งของ PC ได้รับการผ่าตัดที่จำเป็นในกลุ่ม การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อพัฒนาเครื่องมือในการวินิจฉัยโรคพีซีก่อนการผ่าตัด วิธีการ: การศึกษาย้อนหลังแบบหลายศูนย์รวมผู้ป่วย 242 รายที่มีภาวะพาราไทรอยด์สูงปฐมภูมิ: 50 รายเป็น PC, 30 รายเป็น adenoma ผิดปกติ (AA) และ 162 รายเป็น adenoma ของต่อมพาราไทรอยด์ ผลลัพธ์: ผู้ป่วยที่มี PC และ AA มีระดับที่สูงขึ้นของ PTH, แคลเซียมที่แก้ไขด้วยไอออนและอัลบูมิน, ALP, ปริมาตร และเส้นผ่านศูนย์กลางที่ใหญ่ที่สุดของเนื้องอก และความถี่ที่สูงขึ้นของ GFR ลดลงน้อยกว่า 60 มล./นาที/1.73 ตร.ม. เมื่อเทียบกับ ผู้ป่วยที่มีเนื้องอก ความถี่ของการแตกหักของพลังงานต่ำในกลุ่มมะเร็งสูงกว่ากลุ่ม ade noma (ร้อยละ 32 เทียบกับร้อยละ 8) โครงสร้างที่แตกต่างกันและรูปร่างที่ไม่แน่นอนของต่อมที่ตรวจพบโดยสหรัฐฯ นั้นมีลักษณะทั่วไปสำหรับ PC มากกว่าสำหรับ AA และ adenomas แบบจำลองทางคณิตศาสตร์ได้รับการพัฒนาโดยใช้อัลกอริธึมการเพิ่มการไล่ระดับสี CatBoost สำหรับการวินิจฉัยแยกโรคก่อนการผ่าตัดของ PC, AA และ adenoma แบบไม่รุกล้ำ สรุป: แบบจำลองสามารถทำนาย adenoma ที่มี PPV ร้อยละ 100 และ PC ที่มี PPV ร้อยละ 81–92 การใช้โมเดลแพทย์สามารถวางแผนขยายการผ่าตัดสำหรับพีซีและเลือกตัดพาราไธรอยด์สำหรับอะดีโนมา หากมีการทำนาย AA เขาต้องตัดสินใจเลือกปริมาณ PTE ที่จำเป็นตามประสบการณ์ของเขา เนื่องจาก AA เป็นพื้นที่ที่มีความไม่แน่นอน

คำสำคัญ: มะเร็งพาราไทรอยด์ Atypical adenoma Parathyroid adenoma แบบจำลองการทำนาย ปฐมภูมิ hyperparathyroidism Parathyroidectomy

Cistanche สำหรับการรักษามะเร็งพาราไทรอยด์ PC

หลักการและวัตถุประสงค์: การวินิจฉัยมะเร็งพาราไทรอยด์ก่อนการผ่าตัดเป็นสิ่งสำคัญสำหรับการกำหนดขอบเขตของการผ่าตัด เฉพาะเจาะจงในปัจจุบันเครื่องหมายการวินิจฉัยเพื่อความแตกต่างของพีซีและเนื้องอกที่อ่อนโยนไม่เป็นที่รู้จักและน้อยกว่าครึ่งหนึ่งของผู้ป่วยที่มี PC ได้รับการผ่าตัดที่จำเป็นในกลุ่ม การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อพัฒนาเครื่องมือสำหรับการวินิจฉัยก่อนการผ่าตัดของพีซี วิธีการ: การศึกษาย้อนหลังแบบหลายศูนย์รวมผู้ป่วย 242 รายที่มีภาวะพาราไทรอยด์สูงปฐมภูมิ: 50 รายเป็น PC, 30 รายเป็น adenoma ผิดปกติ (AA) และ 162 รายเป็น adenoma ของต่อมพาราไทรอยด์ ผลลัพธ์: ผู้ป่วยที่มี PC และ AA มีระดับที่สูงขึ้นของ PTH, แคลเซียมที่แก้ไขด้วยไอออนและอัลบูมิน, ALP, ปริมาตร และเส้นผ่านศูนย์กลางที่ใหญ่ที่สุดของเนื้องอก และความถี่ที่สูงขึ้นของ GFR ลดลงน้อยกว่า 60 มล./นาที/1.73 ตร.ม. เมื่อเทียบกับ ผู้ป่วยที่มีเนื้องอก ความถี่ของการแตกหักของพลังงานต่ำในกลุ่มมะเร็งสูงกว่ากลุ่ม ade noma (ร้อยละ 32 เทียบกับร้อยละ 8) โครงสร้างที่แตกต่างกันและรูปร่างที่ไม่แน่นอนของต่อมที่ตรวจพบโดยสหรัฐอเมริกานั้นเป็นเรื่องปกติสำหรับพีซีมากกว่าสำหรับ AA และ adenomas แบบจำลองทางคณิตศาสตร์ได้รับการพัฒนาโดยใช้อัลกอริธึมการเพิ่มการไล่ระดับสี CatBoost สำหรับการวินิจฉัยแยกโรคก่อนการผ่าตัดของ PC, AA และ adenoma แบบไม่รุกล้ำ สรุป: โมเดลสามารถทำนาย adenoma ที่มี PPV 100 เปอร์เซ็นต์ และ PC ที่มี PPV 81–92 เปอร์เซ็นต์ การใช้โมเดลแพทย์สามารถวางแผนขยายการผ่าตัดสำหรับพีซีและเลือกตัดพาราไธรอยด์สำหรับอะดีโนมา หากมีการทำนาย AA เขาจะต้องตัดสินใจเลือกปริมาณ PTE ที่จำเป็นตามประสบการณ์ของเขา เนื่องจาก AA เป็นโซนที่มีความไม่แน่นอน

บทนำ มะเร็งพาราไทรอยด์ (PC) เป็นสาเหตุที่พบได้น้อยแต่รุนแรงและเป็นอันตรายถึงชีวิตของพยาธิพาราไทรอยด์ปฐมภูมิ (PHPT) และนำเสนอความท้าทายทางคลินิกสำหรับการวินิจฉัยทันเวลาและการจัดการ อุบัติการณ์ของ PC แตกต่างกันไปตามประชากรต่างๆ ตั้งแต่ 1 เปอร์เซ็นต์ของผู้ป่วยโรคพาราไทรอยด์หลัก (PHPT) ในสหรัฐอเมริกา และสูงถึง 5 เปอร์เซ็นต์ของผู้ป่วย PHPT ในญี่ปุ่น พีซีคิดเป็นเพียง 0.005 เปอร์เซ็นต์ของมะเร็งทั้งหมด1,2 อย่างไรก็ตาม รายงานปัจจุบันจากประเทศในสหภาพยุโรป สหรัฐอเมริกา และฟินแลนด์ บ่งชี้ถึงอุบัติการณ์ที่เพิ่มขึ้นของพีซี ซึ่งอาจเกี่ยวข้องกับการปรับปรุงการวินิจฉัย หรือสะท้อนให้เห็นถึงการเพิ่มขึ้นของวัตถุประสงค์ จากการสังเกตของ SEER (การเฝ้าระวัง ระบาดวิทยา และผลลัพธ์สุดท้าย) ในช่วงการศึกษา 16-ปี อุบัติการณ์ของพีซีเพิ่มขึ้น 60 เปอร์เซ็นต์ 2

การเกิดโรค PC ในปัจจุบันยังไม่เป็นที่เข้าใจ อาจอาศัยเหตุการณ์ที่เกิดขึ้นประปรายหรือเกิดขึ้นในบริบทของกลุ่มอาการทางพันธุกรรม เช่น กลุ่มอาการพาราไทรอยด์ทำงานเกิน/เนื้องอกในขากรรไกร (HPT-JT), เนื้องอกต่อมไร้ท่อชนิดที่ 1 (MEN1), ชนิด 2A (MEN2A) และภาวะพาราไทรอยด์ทำงานเกินจากครอบครัว (FIHP) 3

กรณีพีซีส่วนใหญ่ได้รับการวินิจฉัยหลังการผ่าตัดโดยการตรวจทางเนื้อเยื่อเนื่องจากไม่มีเกณฑ์ก่อนการผ่าตัดสำหรับการวินิจฉัยแยกโรค ตรงกันข้ามกับพาราไทรอยด์อะดีโนมา (РА) ซึ่งได้รับการรักษาอย่างมีประสิทธิภาพโดยการเลือกพาราไทรอยด์ (PTE) พีซีต้องการการผ่าตัดแบบกลุ่ม ปริมาณไม่เพียงพอของการผ่าตัดเพิ่มความเสี่ยงของการแพร่กระจายที่ห่างไกลซึ่งรักษาได้ยากมาก4 มีเพียงร้อยละ 12.5 –48 ของผู้ป่วย PC เท่านั้นที่ได้รับการผ่าตัดแยกชิ้นเนื้อในครั้งแรก4,5 ในทางกลับกัน ในกลุ่มผู้ป่วยที่มีการผ่าตัด PA ในกลุ่มนั้นไม่จำเป็น แต่ได้ดำเนินการใน 2/162 ( 1 เปอร์เซ็นต์ ) กรณีตามผลลัพธ์ที่เผยแพร่ก่อนหน้านี้ของเรา 5

Atypical adenomas (AA) เป็นตัวแทนของรูปแบบระดับกลางของเนื้องอกพาราไธรอยด์ที่มีโอกาสเป็นมะเร็งที่ไม่แน่นอน และมีลักษณะทางคลินิกและเนื้อเยื่อวิทยาที่น่าสงสัยซึ่งแสดงถึงความท้าทายสำหรับการวินิจฉัยแยกโรคด้วยพีซี ไม่มีเกณฑ์ที่ชัดเจนเพื่อแยกแยะ AA ก่อนการผ่าตัดจาก PA หรือมะเร็ง อุบัติการณ์ที่แท้จริงของ AA ไม่เป็นที่รู้จัก แต่ในผู้ป่วยกลุ่มใหญ่ที่สุดที่เข้ารับการผ่าตัด PHPT ความชุกแตกต่างกันไปตั้งแต่ 0.5 ถึง 4.4 เปอร์เซ็นต์ .6หลักสูตรของโรคและผลลัพธ์ (อัตราการเกิดซ้ำและการรอดชีวิตโดยรวม) ของผู้ป่วย AA ดูเหมือนจะแย่กว่าผู้ป่วยที่มี PA ผู้ป่วยที่มี AA แสดงอุบัติการณ์ของภาวะแคลเซียมในเลือดสูงตามอาการที่สูงขึ้น และระดับของ iPTH ที่สูงขึ้นซึ่งเป็นเรื่องปกติสำหรับ PCs7 ยังไม่ทราบวิธีการผ่าตัดที่เหมาะสมที่สุด ในกลุ่มของ AA มีการทำ Selective PTE ในผู้ป่วย 24/30 (ร้อยละ 80) และการผ่าตัดแบบกลุ่มใน 6/30 (ร้อยละ 20) ในคลินิกของเรา

ดังนั้นการวินิจฉัยก่อนการผ่าตัดของ PC และ AA ยังคงมีความท้าทายเนื่องจากคุณภาพของการรักษาพยาบาลและการพยากรณ์โรคต่อไปของผู้ป่วยขึ้นอยู่กับสิ่งนี้โดยตรง ตั้งแต่ปี 1990 ถึง 2019 ผู้ป่วย 74 รายที่เป็นโรค PC ได้รับการวินิจฉัยตามทะเบียนผู้ป่วยด้วย PHPT ในสหพันธรัฐรัสเซีย

ในเวลาเดียวกัน มีการบันทึกผู้ป่วย 22 รายในช่วง 19 ปีแรกของการศึกษา ในขณะที่ผู้ป่วยส่วนใหญ่ (n=52) ลงทะเบียนในช่วงเก้าปีที่ผ่านมา (รูปที่ 1) อาจเป็นไปได้ว่าวิธีการรักษา PHPT ส่วนบุคคลมากขึ้นอาจปรับปรุงผลลัพธ์และคุณภาพชีวิตของผู้ป่วย

วัสดุและวิธีการ

จริยธรรม โปรโตคอลการศึกษาได้รับการอนุมัติโดยคณะกรรมการจริยธรรมในท้องถิ่นของศูนย์วิจัยต่อมไร้ท่อ (25.01.2017, ฉบับที่ 1)

เรียนออกแบบกรณีถูกดึงมาจากการลงทะเบียน PHPT ทั่วประเทศรัสเซียเมื่อวันที่15 มกราคม 2020 เมื่อรวบรวมข้อมูลผู้ป่วย 3,062 รายจาก 78 ภูมิภาคของรัสเซีย.เกณฑ์การคัดเลือกคือ: (1) ตรวจสอบทางเนื้อเยื่อการวินิจฉัยโรคnoma หรือ AA หรือ PC และ (2) ความพร้อมของวัสดุทางเนื้อเยื่อวิทยาสำหรับการตรวจสอบซ้ำ. เกณฑ์การยกเว้นคือการไม่มีข้อมูลทั้งหมดของการรำลึกข้อมูลเครื่องมือและห้องปฏิบัติการ ดังนั้น 242 จาก 3,062 รายพบสิ่งเหล่านี้เกณฑ์. ตัวอย่างทางเนื้อเยื่อวิทยาได้รับการตรวจสอบความถูกต้องอีกครั้งโดยอิสระจากสองตัวอย่างนักพยาธิวิทยาที่มีประสบการณ์ ผู้ป่วย 11 คนถูกคัดออกเนื่องจากไม่เห็นด้วยความคิดเห็นของอายุรเวช รวมผู้ป่วย 242 รายในกลุ่มการศึกษา: ผู้ป่วย 50 รายที่มี PС, 30 กับ AA และ 162กับพาราไทรอยด์อะดีโนมา (PA)

วิธีการ

แคลเซียมทั้งหมดในเลือด (ช่วงปกติ, NR, 2.15–2.55 มิลลิโมล/ลิตร), อัลบูมิน (NR 34–48 กรัม/ลิตร), อัลคาไลน์ฟอสฟาเตส (ALP) (NR 40–150 หน่วย/ลิตร), แคลเซียมที่แตกตัวเป็นไอออนในซีรั่ม (NR 1.03– 1.29 มิลลิโมล/ลิตร) และครีเอตินิน (NR 63–110 ไมโครโมล/ลิตร) ถูกวัดโดยใช้เครื่องวิเคราะห์ Abbott Architect C8000 (บริษัท Abbott สหรัฐอเมริกา) อัตราการกรองของไต (GFR) คำนวณโดยใช้สูตร Chronic Kidney Disease Epidemiology Collaboration (CKD-EPI) ทำการตรวจเลือดด้วยการตรวจหาค่า iPTH (NR 15–65 pg/ml) ในเครื่องวิเคราะห์ Cobas 6000 electrochemiluminescence (โรช เยอรมนี)

ปริมาตร PTG คำนวณโดยใช้สูตรวงรี: V (cm3 )=(A × B × C) × 0.49 ปริมาณของสถานะกระดูกดำเนินการในกระดูกสันหลังส่วนเอว (L1–L4), โคนขาส่วนต้น (ต้นขาคอ (คอ), สะโพกทั้งหมด (ทั้งหมด)) และรัศมี (ส่วนปลายพิเศษ (RUD), ตรงกลางที่สาม (R33 เปอร์เซ็นต์ ) และ รัศมีทั้งหมด (RT)) โดยใช้ X-ray Absorptiometry พลังงานคู่ (DEXA) ความหนาแน่นของกระดูก (BMD) ประเมินโดย T-score (ในสตรีวัยหมดประจำเดือนและผู้ชายที่มีอายุมากกว่า 50 ปี) หรือโดย Z-score (ในสตรีวัยก่อนหมดประจำเดือนและชายหนุ่ม) วิธีการใช้เครื่องมือเพิ่มเติมได้ดำเนินการขึ้นอยู่กับสถานการณ์ทางคลินิกที่เฉพาะเจาะจง ประเภททางจุลพยาธิวิทยา "adenoma", "atypical adenoma" และ "carcinoma" ของ PTG ถูกกำหนดขึ้นตามเกณฑ์ของ WHO 2017.8

การคำนวณ

การวิเคราะห์ทางสถิติ

ใช้แพ็คเกจซอฟต์แวร์ Statistica 13.3 (TIBCO Software Inc., USA, 2017), R studio 3.6.3 และ Anaconda 3 สถิติเชิงพรรณนาของตัวแปรเชิงปริมาณแสดงโดยไทล์ควาร์ และความถี่สัมบูรณ์และความถี่สัมพัทธ์จะอธิบายตัวแปรเชิงคุณภาพ ทำการเปรียบเทียบกลุ่มอิสระสองกลุ่มสำหรับข้อมูลเชิงปริมาณโดยใช้การทดสอบ Mann–Whitney (U-test) การเปรียบเทียบกลุ่มอิสระสามกลุ่มสำหรับข้อมูลเชิงปริมาณดำเนินการโดยใช้ Kruskal– Wallis ANOVA

ความถี่ของตัวแปรไบนารีถูกเปรียบเทียบโดยใช้การทดสอบที่แน่นอนของฟิชเชอร์แบบสองด้านและการทดสอบฟรีแมน-ฮาลตัน ระดับนัยสำคัญทางสถิติที่สำคัญสำหรับการทดสอบสมมติฐานทางสถิติคือ 0.05 ในการเปรียบเทียบหลายครั้ง การแก้ไข Bonferroni ถูกนำมาใช้โดยการแก้ไขเกณฑ์นัยสำคัญ

การเลือกคุณสมบัติ

เราสร้างแบบจำลองสองแบบสำหรับการวินิจฉัยแยกโรคระหว่างประเภทของเนื้องอก PTG ในขั้นตอนแรก เราลดขนาดของพื้นที่คุณลักษณะโดยใช้ sklearn.feature_selection, โมดูล ExtraTreesClassififier และ SelectFromModel จากนั้นเราก็สร้างโมเดลแรกให้ PA และ (PC หรือ AA) แตกต่างกัน ในขั้นตอนที่สอง เรายังลดพื้นที่คุณลักษณะและสร้างรุ่นที่สองเพื่อแยกความแตกต่างของพีซีและ AA

คลาส ExtraTreesClassifer และ SelectFromModel ของโมดูล Scikit-learn ใช้เพื่อเลือกคุณลักษณะที่มีประโยชน์มากที่สุดสำหรับการทำนาย คลาส ExtraTreesClassifer ใช้ meta estimator ที่ใช้ค่าเฉลี่ยเพื่อควบคุม over-fitting โดยการปรับต้นไม้การตัดสินใจแบบสุ่ม (extra-tree) จำนวนหนึ่งบนตัวอย่างย่อยต่างๆ ของชุดข้อมูล 9 คลาส SelectFromModel เป็น meta-transformer สำหรับการเลือกคุณลักษณะตาม น้ำหนักความสำคัญ SelectFromModel ยอมรับพารามิเตอร์เกณฑ์และจะเลือกคุณสมบัติที่มีความสำคัญ (กำหนดโดยค่าสัมประสิทธิ์) สูงกว่าเกณฑ์นี้ SelectFromModel ต้องการตัวประมาณค่าพื้นฐานเพื่อแสดงค่า coef_ ที่ส่วยหรือแอตทริบิวต์คุณลักษณะ_ความสำคัญ_ ซึ่งในกรณีนี้มาจากคลาส ExtraTreesClassifer ผลลัพธ์สุทธิของความร่วมมือของทั้งสองคลาสคือการเลือกคุณลักษณะการทำนายที่สำคัญในบรรดาตัวแปรทำนายทั้งหมด

ความสมดุลของข้อมูล

อัตราส่วนของผู้ป่วยที่มี AA ต่อผู้ที่มี PC และ PA คือ ∼ 1:1.7:5.4 ดังนั้น จำนวนของตัวอย่างข้อบกพร่องและจำนวนของตัวอย่างการฝึกในเชิงบวกจึงไม่สมดุล และอัลกอริทึมมักจะไม่สนใจคลาสขนาดเล็กและมุ่งเน้นไปที่การจำแนกประเภทที่ถูกต้องของคลาสขนาดใหญ่ ส่งผลให้โมเดลอ่อนแอลงและมีความสามารถในการทำนายจำกัด เพื่อเอาชนะความไม่สมดุลของข้อมูล เราจึงใช้การถ่วงน้ำหนักในชั้นเรียนและวิธีการบรรจุถุงอย่างสมดุลในแบบจำลองการฝึกอบรมของเรา เมื่อใช้วิธีการปรับสมดุลน้ำหนักของคลาส หากขนาดตัวอย่างของหมวดหมู่สูง ก็จะถูกกำหนดให้มีน้ำหนักต่ำ และในทางกลับกัน 10 การบรรจุถุงที่สมดุล ซึ่งเกี่ยวข้องกับการบูตสแตรปหรือการใช้เทคนิคการสุ่มตัวอย่างกับข้อมูลต้นฉบับ n ครั้งโดยแทนที่ สร้างชุดการฝึกอบรม ปรับปรุงความแม่นยำในการจำแนกประเภทของแบบจำลอง และลดความไม่สมดุลของข้อมูล11

โมเดลแมชชีนเลิร์นนิงอัลกอริธึม CatBoosting ได้ดำเนินการเพื่อสร้างแบบจำลองทางคณิตศาสตร์สำหรับการวินิจฉัยแยกโรคของเนื้องอก PTG CatBoost เป็นเฟรมเวิร์กส่งเสริมการไล่ระดับสีที่ใช้แผนผังการตัดสินใจที่ลืมเลือนเป็นตัวทำนายพื้นฐาน เป็นไลบรารีซอฟต์แวร์โอเพ่นซอร์สที่พัฒนาโดย Yandex.12 สำหรับแต่ละระดับของแผนผังการตัดสินใจแต่ละรายการ กฎการตัดสินใจที่มีดัชนีคุณลักษณะและค่าเกณฑ์จะถูกรวบรวม ซึ่งท้ายที่สุดจะเป็นชุดของชุดย่อยของเวกเตอร์คุณลักษณะที่ไม่ต่อเนื่องกัน คอลเลกชันของเวกเตอร์คุณลักษณะทำหน้าที่เป็นแบบจำลองการทำนาย CatBoost ลดการ overfitting และปรับปรุงคุณภาพของแบบจำลอง 13 การตรวจสอบข้ามสิบเท่าถูกนำมาใช้เพื่อตรวจสอบความถูกต้องของแบบจำลอง แบบจำลองที่มีการเรียกคืนที่ดีที่สุด (ความไว) และค่าความแม่นยำ (ค่าทำนายผลบวก, ค่า PPV) ถูกเลือก

ผลลัพธ์

ลักษณะทางคลินิก ห้องปฏิบัติการ และอัลตราซาวนด์ของเนื้องอก PTG ชนิดต่างๆ

ในบรรดาผู้ป่วย 242 รายที่มี PHPT มีผู้หญิง 213 คนและผู้ชาย 29 คนที่มีอายุตั้งแต่ 13 ถึง 80 ปี ผู้ป่วยที่มี PC มีอายุตั้งแต่ 13 ถึง 78 ปี โดย AA—ตั้งแต่ 18 ถึง 75 ปี โดยมี PA—ตั้งแต่ 15 ถึง 80 ปี

กลุ่มเนื้องอกแตกต่างกันตามระดับของ PTH, แคลเซียมที่แตกตัวเป็นไอออนและอัลบูมิน, ALP, ปริมาตรและเส้นผ่านศูนย์กลางที่ใหญ่ที่สุดของเนื้องอก, ความถี่ของการแตกหักด้วยพลังงานต่ำ และความถี่ของ GFR ลดลงน้อยกว่า 60 มล./ นาที/1.73 ตร.ม. (ตารางที่ 1) ในการเปรียบเทียบภายหลังของ PC และ PA ตัวแปรเดียวกันแตกต่างกันด้วย p < 0.001 นอกจากนี้ ปัจจัยทั้งหมดยกเว้นความถี่ของการแตกหักแบบใช้พลังงานต่ำมีความสำคัญต่อความแตกต่างของกลุ่มผู้ป่วยที่มี PA หรือ AA

ความถี่ของรูปร่างที่ไม่สม่ำเสมอและโครงสร้างของการก่อตัวแตกต่างกันอย่างมีนัยสำคัญ ในการเปรียบเทียบแบบคู่ พบความแตกต่างอย่างมีนัยสำคัญในความถี่ของการเปลี่ยนแปลงโครงสร้างและรูปร่างของเนื้องอก PTG ระหว่างกลุ่มของ PC และ PA