| 徐茂丽，阮志兵，陈慧淋，陈坤，石仕晗，文凤.基于增强CT影像组学列线图模型预测胰腺癌脉管侵犯[J].放射学实践,2025,(08):1018-1025 |
| 基于增强CT影像组学列线图模型预测胰腺癌脉管侵犯 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.08.011 |
| 中文关键词: 胰腺癌 影像组学 脉管侵犯 体层摄影术，X线计算机 列线图 |
| 基金项目:贵州医科大学附属医院博士科研启动基金项目（gyfybsky-2024-49）；贵州医科大学附属医院2021年度院级临床研究课题项目（2021-GMHCT-021）；2025 年贵州省基础研究计划（自然科学）面上项目（黔科合基础MS〔2025〕437） |
|
| 摘要点击次数: 83 |
| 全文下载次数: 74 |
| 中文摘要: |
| 【摘要】目的：探讨基于CT增强动脉期影像组学特征联合常规影像征象构建列线图模型术前预测胰腺癌患者发生脉管侵犯（LVI）的可行性及其价值。方法：回顾性搜集2015年1月－2024年9月在本院确诊的155例胰腺癌患者的临床和影像资料，其中LVI阳性组61例，LVI阴性组94例。按照7∶3的比例将所有患者分为训练集（108例）和验证集（47例）。在训练集中，采用单因素及多因素logistic回归分析LVI阳性组与阴性组的CT征象（肿瘤位置、肿瘤最大径、肿瘤内微小血管、钙化、囊变/坏死、大血管侵犯）及临床信息（性别、年龄、CA199），筛选出胰腺癌LVI侵犯的临床独立危险因素。使用3D-slicer软件在动脉期图像上逐层手动沿肿瘤边缘勾画ROI，生成全肿瘤容积ROI后使用Pyradiomics软件提取肿瘤的影像组学特征。采用曼-惠特尼U检验、递归特征消除法和最小绝对收缩和选择算子（LASSO）等方法进行特征的降维和筛选。在训练集中分别使用支持向量机、逻辑回归、随机森林、高斯朴素贝叶斯和梯度提升树五种机器学习方法构建影像组学模型，在验证集中验证各模型的效能。采用受试者工作特征曲线（ROC）下面积（AUC）评价模型的效能，DeLong检验比较各模型之间AUC的差异，校准曲线评价模型的拟合度，决策曲线评价模型的临床净收益。结果：最终筛选出8个最优组学特征并计算出影像组学评分（Radscore）。基于最优组学特征构建了5种机器学习模型，即支持向量机、逻辑回归、随机森林、高斯朴素贝叶斯和梯度提升树模型，它们在训练集中的AUC分别为0.884、0.890、0.869、0.890和0.903，在验证集中的AUC分别为0.820、0.841、0.821、0.841和0.840。单因素及多因素logistic回归分析结果得出肿瘤最大径和肿瘤内微小血管征为临床独立危险因素，将筛选出的临床独立危险因素使用逻辑回归算法构建临床-传统影像模型，此模型在训练集和验证集中的AUC分别为0.686和0.557。将影像组学评分联合肿瘤最大径和肿瘤内微小血管征共同构建联合模型并绘制其列线图，训练集中AUC为0.915，验证集中AUC为0.868。结论：基于动脉期CT图像上的肿瘤内微小血管征和肿瘤最大径联合影像组学评分构建的列线图模型可用于术前无创预测胰腺癌是否发生LVI且具有较高的预测效能，并可通过列线图将实现预测结果的可视化。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
