论文部分内容阅读
目的 探讨基于强化CT的影像组学术前预测肾透明细胞癌(ccRCC)Fuhrman分级的价值;建立并验证联合临床因素与影像组学的影像组学列线图预测ccRCC患者总生存期(OS)的价值,并评估影像组学对OS预测的增益价值。材料与方法 第一部分,纳入2012年5月至2014年12月127例有明确Fuhrman分级的ccRCC患者为训练集,2015年1月至2016年12月62例患者为验证集。在皮质期、实质期及排泄期逐层勾画肿瘤区域为ROI,提取强度、形状和大小、纹理及图像滤波在内共4227个影像组学特征。通过计算观察者间及观察者自身ICCs排除观察者勾画ROI的主观差异。采用LASSO-Logistic回归进行特征选择并建立三期联合的影像组学标签。利用选择特征的线性拟合计算每位患者的影像组学得分(Radscore)。单因素分析传统CT特征(肿瘤位置、最大径、形态不规则、坏死、肾周侵犯及瘤内动脉)在高、低级别ccRCC间有鉴别意义的特征,通过多因素Logistic回归分析构建CT特征模型。进一步联合单因素分析选择的CT特征和Rad-score通过多因素Logistic回归分析构建综合模型。通过ROC曲线分析评价各模型在训练集与验证集中预测Fuhrman分级的效能,并使用Delong检验比较各模型预测效能是否具有统计学差异。采用决策曲线评价各模型预测ccRCC Fuhrman分级的净获益。第二部分,纳入2011年5月至2016年12月的194例ccRCC患者为训练集,2012年6月至2017年5月来自另一家医院的188例ccRCC患者为验证集。经过影像组学特征提取、ICC分析后,采用LASSO-Cox回归算法选择与OS相关的最佳特征并计算Rad-score。通过单因素和多因素Cox回归分析选择与ccRCC生存相关的临床因素(性别、年龄、TNM分期、病理分级、是否坏死、OS、ECOG-PS、血红蛋白、中性粒细胞计数、淋巴细计数胞、血小板计数、尿素氮、肌酐及外周血中性粒细胞淋巴细胞比值)。通过多因素Cox回归分析分别构建仅包括临床因素的临床列线图与联合临床因素与Rad-score的影像组学列线图。采用一致性指数(C-index)评价临床与影像组学列线图预测OS的能力,t检验比较两者的效能差异。以具有更好预测效能的列线图进行的风险预测分组为预测因子绘制Kaplan-Meier生存曲线,采用log-rank检验比较组间差异是否具有统计学意义。结果 第一部分,将符合观察者间及观察者自身ICCs均>0.75的影像组学特征通过LASSO-Logistic回归选择12个有鉴别意义的特征。训练集中,由形态不规则与最大径构建的CT特征模型的AUC为0.723(95%CI:0.621-0.826),与Rad-score联合构建的综合模型AUC为0.828(95%CI:0.749-0.908)。两个模型的预测效能具有统计学差异(P<0.05)。验证集中综合模型预测效能优于CT特征模型(0.849,95%CI:0.753-0.945 vs.0.728,95%CI:0.587-0.868;P<0.05)。决策曲线表明各模型术前预测ccRCC Fuhrman分级可获得较高的诊断净获益。第二部分,通过LASSO-Cox回归选择与OS显著相关的11个影像组学特征。Cox回归分析选择与OS显著相关的临床因素为TNM分期(HR:2.431,1.709-3.459;P<0.05)、肌酐(HR:1.019,1.003-1.036;P<0.05)。联合临床特征与Rad-score绘制影像组学列线图,基于临床因素绘制临床列线图。在训练集中影像组学列线图和临床列线图的C-index分别为0.884(95%CI:0.808-0.940)和0.803(95%CI:0.705-0.899),两者预测效能具有统计学差异(P<0.05);在验证集中影像组学列线图的预测效能优于临床列线图(C-index:0.859,95%CI:0.800-0.921vs.0.846,95%CI:0.777-0.915;P<0.05)。基于影像组学列线图预测患者3年和5年生存概率进行风险分组为预测因子绘制Kaplan-Meier生存曲线,log-rank检验显示高、低风险组间的生存具有统计学差异(P<0.001)。结论 基于强化CT的影像组学在预测ccRCC的Fuhrman分级及cc RCC患者OS中均具有良好的效能,有望成为临床医生的重要辅助工具。