基于增强CT的影像组学模型在胃癌cT4分期中的预测价值
目的 探索基于对比增强CT(CE-CT)的影像组学方法在将术前cT4分期胃癌患者区分为pT4b分期与no-pT4b分期中的应用价值.方法 回顾性搜集术前行CE-CT检查并分期为cT4的691例胃癌患者的临床及影像资料,随机分为训练组(n=460)和验证组(n=231).根据患者病理分期分为pT4b分期与no-pT4b分期,分析训练组患者的临床特征及基于静脉期CE-CT图像的组学特征,构建临床模型、影像组学模型、临床结合影像组学列线图.在构建影像组学模型中,最小绝对收缩和选择算子(LASSO)算法、最小冗余最大相关算法(mRMR)用于特征选择和降维;支持向量机算法(SVM)作为机器学习分类器.通过受试者工作特征曲线下面积(AUC)、决策曲线分析法(DCA)及校正曲线评估模型性能.结果 691例胃癌患者,病理分期T4b分期者332例,非T4b分期者359例.在验证组中,临床模型(Borrmann分型+cT分期)AUC为0.853(95%置信区间(95%CI:0.821~0.923),其中影像医师主观评估的cT分期AUC为0.805(95%CI:0.746~0.862);组学模型AUC为0.781(95%CI:0.711~0.846);临床结合影像组学列线图是最佳预测模型,其AUC为0.876(95%CI:0.824~0.931).在训练和验证组中,列线图的校正曲线均表现出真实与预测结果之间良好的一致性,DCA曲线也均显示了较高的正向净收益,表现出其良好的临床应用价值.结论 基于静脉期CE-CT图像的影像组学模型性能未优于临床模型与主观评估的cT分期,说明本研究的影像组学方法在区分cT4分期患者中具有一定的局限性.然而,临床结合影像组学列线图取得了最佳的预测效能与临床收益,说明临床结合影像组学方法可提高模型性能,并对cT4分期胃癌患者选择治疗方式存在一定参考价值.
胃癌、增强CT、影像组学、T分期
42
R735.2;R541.4;R445.1
国家自然科学基金81770631
2023-05-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
77-85