文章摘要
贾济波，张万军，刘原庆，冯飞文，胡粟，胡春洪.CT影像组学列线图模型预测胃肠道间质瘤危险度分级[J].放射学实践,2023,(10):1269-1275
CT影像组学列线图模型预测胃肠道间质瘤危险度分级
  
DOI：10.13609/j.cnki.1000-0313.2023.10.007
中文关键词: 胃肠道间质肿瘤  相对危险度  体层摄影术,X线计算机  影像组学  列线图
基金项目:
作者单位
贾济波，张万军，刘原庆，冯飞文，胡粟，胡春洪 215006江苏,苏州大学附属第一医院放射科(贾济波、刘原庆、冯飞文、胡粟、胡春洪)；215300江苏,昆山市第三人民医院放射科(贾济波)；215006江苏,苏州大学附属第二医院放射科(张万军)；215006江苏,苏州大学影像医学研究所(胡粟、胡春洪) 
摘要点击次数: 645
全文下载次数: 667
中文摘要:
      【摘要】目的：建立临床-CT影像组学列线图模型并验证其在术前预测胃肠道间质瘤（GIST）危险度分级的应用价值。方法：回顾性搜集266例经病理证实的GIST患者，并将其分为低恶性风险组和高恶性风险组。提取10个临床及CT图像特征（年龄、性别、肿瘤部位、大小、形态、边界、囊变或坏死、钙化、表面溃疡、强化方式）用于构建临床模型。对病例的CT图像分别特征提取，并分为平扫期（N）、动脉期（A）、静脉期（V）及影像3期（N+A+V）4组，对上述4组通过select percentile和最小绝对收缩与选择算子（LASSO）算法降维、筛选组学特征后，分别使用5种分类器（Random Forest、Logistic Regression、SVM、SGD、XGBoost）建立各期组学模型。采用受试者工作特征（ROC）曲线下面积（AUC）进行量化。使用Delong检验比较各模型间AUC值差异，得到最佳影像组学模型。然后组合临床模型和最佳影像组学模型建立临床-CT影像组学列线图模型。结果：肿瘤大小、部位、形态、边界、强化方式及有无囊变坏死在两组中有统计学差异（P＜0.05），年龄、性别、有无钙化及溃疡在两组中无统计学差异（P＞0.05）。肿瘤大小和强化方式2个临床特征LASSO权重系数最高分别为0.08、0.20，临床模型基于XGBoost分类器诊断效能最高，测试组AUC值为0.91（95%CI：0.83～0.96），平扫期组学模型基于SGD分类器诊断效能最高，测试组AUC值为0.84（95%CI：0.75～0.92），动脉期组学模型基于SVM分类器诊断效能最高，测试AUC值为0.87（95%CI： 0.80～0.94），静脉期组学模型基于Random Forest分类器诊断效能最高，AUC值为0.84（95%CI：0.75～0.93），影像3期组学模型基于XGBoost分类器诊断效能最高，AUC值为0.88（95%CI：0.79～0.94），基于XGBoost分类器构建的临床-CT影像3期(N+A+V)的联合模型最佳，训练组和测试组的AUC分别达0.98（95%CI：0.97～0.99）、0.95（95%CI：0.89～0.98）。结论：临床-CT影像组学列线图模型在术前预测GIST的危险度分级上具有较高价值，从而为GIST的诊疗及预后判断提供参考。
      
查看全文   下载PDF阅读器
关闭