论文部分内容阅读
目的:传统TNM分期系统无法反映胃神经内分泌肿瘤(gastric neuroendocrine neoplasm,GNEN)的生物异质性,且胃神经内分泌瘤(gastric neuroendocrine tumor,GNET)和胃神经内分泌癌(gastric neuroendocrine carcinoma,GNEC)遵循不同的分期标准,不足以提供完整和准确的预后信息,不便于临床使用。本研究旨在探讨各个期相CT影像组学模型在GNEN患者预后评估中的效能,建立预后效能最优的影像组学模型所对应的影像组学标签。进一步联合影像组学标签和独立的临床病理危险因素建立并验证影像组学-临床联合模型,用于个体化预测GNEN患者的预后,同时量化对比该模型与单纯临床模型、影像组学模型及传统TNM分期的预后效能。材料和方法:对2011年8月至2020年12月间经术后或内镜病理确诊的两个三级医疗机构的182例行双期增强扫描的GNEN患者进行回顾性研究。将患者按照7:3比例随机分为训练组和验证组。使用ITK-SNAP软件分别勾画动脉期和静脉期的三维感兴趣区(region of interest,ROI),提取组学特征之后使用LASSO-Cox回归分析的方法筛选特征并分别建立动脉期影像组学模型、静脉期影像组学模型和动静脉期联合影像组学模型。通过计算Harrell’s一致性指数(C-指数,C-index)选择三个模型中预后性能最优的影像组学模型用于后续分析。采用时间依赖性受试者工作特征曲线(receiver operator characteristics curve,ROC)评估该组学模型在不同随访时间预测总体生存率(overall survival,OS)的准确性。基于预后性能最优的影像组学模型建立影像组学标签,即影像组学评分(radiomics score,R-score)。首先在训练组中评估影像组学标签与和OS的潜在关联,然后在验证组中进行验证。以训练组R-score中位数为截断值将患者分为高、低风险两组,采用Kaplan-Meier法和Log-Rank检验估计OS并进行生存曲线的比较。通过单因素和多因素Cox回归分析筛选出与预后相关的独立危险因素。将影像组学标签与独立的临床病理危险因素进行整合,构建影像组学-临床联合模型并以诺模图形式可视化展示,使用临床病理因素构建单纯临床模型同样以诺模图形式展示,通过计算C-index值比较联合模型与临床模型、影像组学模型及传统TNM分期的预后价值。使用校准曲线分析联合模型的预测值与实际值的一致性,使用决策曲线对各种模型的临床效能进行评估。结果:动静脉期联合影像组学模型预测OS的性能最佳,其在训练组、验证组的C-index值分别为 0.803[95%置信区间(CI)0.741~0.864,P<0.001]、0.751(95%CI 0.661~0.841,P<0.001),优于独立的动脉期影像组学模型(C-index值分别为0.784、0.747)和静脉期影像组学模型(C-index值分别为0.756、0.723)。时间依赖性ROC分析显示在训练组中动静脉期联合影像组学模型预测18个月、24个月和30个月OS的曲线下面积(areaunderthe curve,AUC)值均大于0.800,分别为0.829、0.838、0.909;在验证组中AUC值同样较高,分别为0.835、0.839、0.864。动静脉期联合影像组学模型包含14个影像组学特征,与之对应的影像组学标签在训练组中与OS显著相关[风险比(HR)=5.015;95%CI 3.602~5.982,P<0.001],这一结果在验证组中得到了证实(HR=6.829;95%CI 2.661~17.527,P<0.001)。以R-score中位数-0.4939为截断值可将GNEN患者分为高、低两个预后风险组,两组间差异具有显著的统计学意义(P<0.001)。经单因素和多因素Cox回归分析后发现,动静脉期联合影像组学标签是影响预后的独立危险因素。联合了该影像组学标签和独立的临床病理危险因素(性别、年龄、治疗方式、T分期、N分期、M分期、肿瘤边界、Ki67、CD56)的影像组学-临床联合模型预后效能最佳,其在训练组的C-index值为0.882(95%CI 0.848~0.916),验证组为0.827(95%CI 0.765~0.888),均优于单独的临床模型(C-index值分别为0.861、0.796)、影像组学模型(C-index值分别为0.803、0.751)和传统TNM分期系统(C-index值分别为0.870、0.801)。校准曲线显示影像组学-临床联合模型的预测生存率和实际生存率之间存在显著一致性,决策曲线分析验证了影像组学-临床联合模型在临床实践中具有较高的临床获益和应用价值。结论:1.动静脉期联合影像组学模型比独立期相影像组学模型预测GNEN患者OS的效能更高,其所对应的影像组学标签可成功地将GNEN患者的预后划分为高危组和低危组。2.本研究基于影像组学标签和独立的临床病理危险因素建立并验证了预测GNEN患者OS的影像组学-临床联合模型,并以诺模图的形式可视化展示,该模型有望作为GNEN患者个体化预后评估的潜在工具。3.影像组学-临床联合模型预测OS的效能优于单独的临床模型、影像组学模型和传统的TNM分期系统,且展示出影像组学标签对GNEN患者个体化评估OS的增量价值,为临床决策制定提供有效信息。