论文部分内容阅读
第一部分基于Gd-EOB-DTPAMRI影像组学模型预测CNLCⅠa期肝细胞癌微血管侵犯[目的]探讨与CNLC Ⅰa期肝细胞癌微血管侵犯（microvascular invasion,MVI）相关的临床特征、影像学特征、Gd-EOB-DTPAMRI影像组学特征,构建基于临床特征和影像学特征的临床影像学模型、基于Gd-EOB-DTPAMRI影像组学特征的影像组学模型及联合模型,并评估不同模型的预测效能。[材料及方法]本研究纳入2016年1月1日至2020年12月31日在中国医学科学院肿瘤医院手术治疗的CNLC Ⅰa期肝细胞癌（hepatocellular carcinoma,HCC）患者104例。使用 ITK-SNAP 软件在横轴位 T2WI 脂肪抑制序列（fat-saturated T2WI,T2WI/FS）、动脉期、门脉期、移行期、肝胆期图像上手动全层勾画感兴趣区（region of interest,ROI）,然后先后使用AK软件和IPMs软件实现影像组学特征的提取和筛选。采用单因素和多因素Logistics回归分析所有纳入的特征确定与MVI相关的独立危险因素,并构建临床影像学模型、影像组学模型和联合模型,使用曲线下面积（area under curve,AUC）分别评估3种模型的预测效能,此外,使用净重新分类指数（net reclassification index,NRI）评估不同模型的优劣,绘制最优预测模型的列线图并使用校准曲线和Hosmer-Lemeshow检验反映实际危险分层和预测危险分层之间的一致性。[结果]使用AK软件共提取6580个影像组学特征,通过IPMs软件最终筛选出10个最优的影像组学特征,通过计算获得所有患者的Radscore。单因素和多因素Logistics回归分析显示 TBil＞21 μmol/L（OR=0.049,95%CI:0.003-0.478,P=0.041）,肿瘤边缘不光滑（OR=0.024,95%CI:0.001-0.392,P=0.020）,Radscore 评分升高（OR=0.360,95%CI:0.133-0.714,P=0.014）是MVI的独立危险因素。与临床影像学模型和影像组学模型相比,联合模型具有更优的预测效能。训练集联合模型AUC值为0.955（95%CI:0.879-0.990）,较临床影像学模型和影像组学模型正确分类的比例分别提高 19.1%（NRI=0.191,P＜0.001）和 12.8%（NRI=0.128,P=0.011）;验证集联合模型AUC值为0.889（95%CI:0.727-0.972）,较临床影像学模型和影像组学模型正确分类的比例分别提高 15.0%（NRI=0.150,P=0.037）和 6.7%（NRI=0.067,P=0.060）。基于联合模型中各项危险因素构建的列线图具有良好的预测能力,校准曲线和Hosmer-Lemeshow检验显示实际危险分层和预测危险分层之间的一致性较好（训练集P=0.941,验证集P=0.901）。[结论]l.TBil＞21 μmol/L,肿瘤边缘不光滑,Radscore评分升高是MVI的独立危险因素。2.与临床影像学模型和影像组学模型相比,联合模型具有更优的预测效能。3.基于联合模型中各项危险因素构建的列线图具有良好的预测能力,有利于临床医生选择个体化的手术方案。第二部分CNLC Ⅰa期肝细胞癌术后复发预测模型的构建与验证[目的]探讨与CNLC Ⅰa期HCC患者早期和晚期相关的临床特征、影像学特征、Gd-EOB-DTPAMRI影像组学特征,构建预测模型并评估模型的预测效能。[材料及方法]选取2016年1月1日至2019年12月31日在中国医学科学院肿瘤医院手术治疗的CNLC Ⅰa期患者281例。在早期复发的研究中,使用ITK-SNAP软件在T2WI/FS、动脉期、门脉期、延迟期图像上手动全层勾画感兴趣区ROI,然后先后使用AK软件和IPMs软件实现影像组学特征的提取和筛选。采用单因素和多因素Cox回归分析确定与早期复发相关的独立危险因素,并构建临床影像学模型、影像组学模型和联合模型。在晚期复发的研究中,采用单因素和多因素Cox回归分析临床及影像学特征,确定与晚期复发相关的独立危险因素,并构建列线图预测模型。使用一致性指数（consistency index,C-index）和NRI评估模型的预测效能,使用校准曲线反映实际情况和预测情况之间的一致性。[结果]在早期复发的研究中,单因素和多因素Cox回归分析显示AFP＞400 ng/ml（HR=1.941,95%CI:1.068-3.527,P=0.030）,瘤周强化（HR=2.514,95%CI:1.376-4.594,P=0.003）,Radscore 评分升高（HR=1.546,95%CI:1.355-1.764,P＜0.001）是早期复发的独立危险因素。与临床影像学模型和影像组学模型相比,联合模型具有更优的预测效能。训练集联合模型C-index为0.839（95%CI:0.787-0.891）,较临床影像学模型和影像组学模型正确分类的比例分别提高35.6%（NRI=0.356,P＜0.001）和8.7%（NRI=0.087,P=0.028）。在晚期复发的研究中年龄升高（HR=1.045,95%CI:1.003-1.089,P=0.036）,HCC 家族史（HR=2.679,95%CI:1.291-5.560,P=0.008）,术后辅助治疗史（HR=5.090,95%CI:2.046-12.663,P＜0.001）,MVI阳性（HR=2.176,95%CI:1.014-4.672,P=0.046）是晚期复发的独立危险因素,基于以上独立危险因素构建的列线图预测模型C-index为0.766（95%CI:0.660-0.872）。校准曲线显示预测曲线接近理想曲线。[结论]1.AFP＞400ng/ml、瘤周强化、Radscore评分升高是早期复发的独立危险因素。2.年龄升高、HCC家族史、术后辅助治疗史、MVI 阳性是晚期复发的独立危险因素。3.在预测HCC患者早期复发中,与临床影像学模型和影像组学模型相比,联合模型具有更优的预测效能。4.基于独立危险因素构建的列线图具有良好的预测能力,有助于临床医生制定合理的随访策略,以便及早发现和干预复发。