论文部分内容阅读
背景：
胸腺上皮性肿瘤(thymicepithelialtumors，TETs)，是前纵隔常见肿瘤，起源于胸腺上皮细胞。2004年世界卫生组织(worldhealthorganization，WHO)将其分为A、AB、B1、B2、B3及胸腺癌6种病理类型。TETs的各亚型均具有一定的侵袭性。目前TETs的治疗方法主要依靠手术切除，术后辅以放疗及新辅助化疗，治疗方法的选择依据肿瘤的分期和病理学分型。既往研究认为TETs的主要预后决定因素是肿瘤的病理分型、临床分期及手术切除范围。不同类型TETs预后不同，A、AB及B1型属于低危胸腺瘤，预后较好，10年生存率超过90%。B2、B3型胸腺瘤和胸腺癌预后较差，三者的五年生存率分别为82%、71%和48%。治疗前获得肿瘤的预后信息有利于临床医生选择最佳治疗方案，延长TETs患者的生存期，提高生存质量。目前评估肿瘤预后的方法依赖于术后病理，但是术后病理的获取对于治疗方案的制定有一定滞后性，无法在治疗方案制定前给予充分的指导。治疗前获得肿瘤的预后信息成为当前研究的热点，术前评估预后主要依赖于传统影像图像特征，但是目前通过常规影像特征所能获取的预后信息甚少，我们需要一种新的可以反映图像预后信息的方法。与传统影像学比较，图像纹理分析(textureanalysis，TA)技术可以挖掘大量关于分析肿瘤内部异质性的定量信息，通过这种间接的定量分析，有望用于治疗前预测TETs患者的预后。
目的：
分析TETs的CT图像纹理特征、常规CT及临床特征与患者总生存期的相关性，探讨联合CT图像纹理特征、常规CT图像特征及临床特征预测TETs总生存期的价值。
材料与方法：
回顾性分析82例经手术病理证实为TETs患者的临床及CT图像数据，并随访患者的生存情况。采用Cox比例风险回归分析了常规CT特征及临床特征与TETs患者总生存期(overall survival，OS)的相关性。提取肿瘤CT图像的直方图及纹理特征共1044个，应用最小绝对收缩和选择算子(least absolute shrinkage and selection operator，LASSO)模型筛选出与OS相关的特征，将每个样本所选特征的值乘以特征系数后线性相加即可得到对应样本的影像组学标签，通过X-tile软件确定基于影像组学标签的高低生存期分组的最佳截止值，分析了影像组学标签与TETs患者OS之间的关系。利用Cox比例风险回归模型建立三种不同预测模型，通过计算一致性指数(concordance index，C-index)比较不同模型的预测效能，利用决策曲线分析(decision curve analysis，DCA)比较不同模型的净收益大小。
结果：
常规CT特征及临床特征与OS相关的单因素分析结果显示：WHO病理分型(P＜0.001)、简化分型(P＝0.001)、辅助治疗(P＝0.036)、肿瘤最大径(P＝0.019)及形状(P＜0.001)与TETs患者OS显著相关；在与OS相关的多因素分析中，肿瘤的病理分型及肿瘤最大径为影响TETs患者OS的独立预测因素(P＜0.05)。影像组学标签可作为影响TETs患者OS的独立预测因素，其最佳截断值为-0.04，以此为界可将TETs患者分为低生存期组及高生存期组，两组间OS具有显著差异(P＜0.0001)。分别建立临床影像学预测模型及影像组学预测模型后，影像组学模型对于OS的预测效能最高(C-index=0.774)，通过DCA分析所获收益最大。
结论：
基于常规CT图像挖掘的定量影像组学特征可作为TETs患者OS的独立预测因素。联合影像组学标签、临床特征及常规CT图像特征建立TETs患者的OS预测模型，能够为临床选择最优治疗方案提供可靠依据，以达到肿瘤个体化治疗的目的和精准医学的要求。
胸腺上皮性肿瘤(thymicepithelialtumors，TETs)，是前纵隔常见肿瘤，起源于胸腺上皮细胞。2004年世界卫生组织(worldhealthorganization，WHO)将其分为A、AB、B1、B2、B3及胸腺癌6种病理类型。TETs的各亚型均具有一定的侵袭性。目前TETs的治疗方法主要依靠手术切除，术后辅以放疗及新辅助化疗，治疗方法的选择依据肿瘤的分期和病理学分型。既往研究认为TETs的主要预后决定因素是肿瘤的病理分型、临床分期及手术切除范围。不同类型TETs预后不同，A、AB及B1型属于低危胸腺瘤，预后较好，10年生存率超过90%。B2、B3型胸腺瘤和胸腺癌预后较差，三者的五年生存率分别为82%、71%和48%。治疗前获得肿瘤的预后信息有利于临床医生选择最佳治疗方案，延长TETs患者的生存期，提高生存质量。目前评估肿瘤预后的方法依赖于术后病理，但是术后病理的获取对于治疗方案的制定有一定滞后性，无法在治疗方案制定前给予充分的指导。治疗前获得肿瘤的预后信息成为当前研究的热点，术前评估预后主要依赖于传统影像图像特征，但是目前通过常规影像特征所能获取的预后信息甚少，我们需要一种新的可以反映图像预后信息的方法。与传统影像学比较，图像纹理分析(textureanalysis，TA)技术可以挖掘大量关于分析肿瘤内部异质性的定量信息，通过这种间接的定量分析，有望用于治疗前预测TETs患者的预后。
目的：
分析TETs的CT图像纹理特征、常规CT及临床特征与患者总生存期的相关性，探讨联合CT图像纹理特征、常规CT图像特征及临床特征预测TETs总生存期的价值。
材料与方法：
回顾性分析82例经手术病理证实为TETs患者的临床及CT图像数据，并随访患者的生存情况。采用Cox比例风险回归分析了常规CT特征及临床特征与TETs患者总生存期(overall survival，OS)的相关性。提取肿瘤CT图像的直方图及纹理特征共1044个，应用最小绝对收缩和选择算子(least absolute shrinkage and selection operator，LASSO)模型筛选出与OS相关的特征，将每个样本所选特征的值乘以特征系数后线性相加即可得到对应样本的影像组学标签，通过X-tile软件确定基于影像组学标签的高低生存期分组的最佳截止值，分析了影像组学标签与TETs患者OS之间的关系。利用Cox比例风险回归模型建立三种不同预测模型，通过计算一致性指数(concordance index，C-index)比较不同模型的预测效能，利用决策曲线分析(decision curve analysis，DCA)比较不同模型的净收益大小。
结果：
常规CT特征及临床特征与OS相关的单因素分析结果显示：WHO病理分型(P＜0.001)、简化分型(P＝0.001)、辅助治疗(P＝0.036)、肿瘤最大径(P＝0.019)及形状(P＜0.001)与TETs患者OS显著相关；在与OS相关的多因素分析中，肿瘤的病理分型及肿瘤最大径为影响TETs患者OS的独立预测因素(P＜0.05)。影像组学标签可作为影响TETs患者OS的独立预测因素，其最佳截断值为-0.04，以此为界可将TETs患者分为低生存期组及高生存期组，两组间OS具有显著差异(P＜0.0001)。分别建立临床影像学预测模型及影像组学预测模型后，影像组学模型对于OS的预测效能最高(C-index=0.774)，通过DCA分析所获收益最大。
结论：
基于常规CT图像挖掘的定量影像组学特征可作为TETs患者OS的独立预测因素。联合影像组学标签、临床特征及常规CT图像特征建立TETs患者的OS预测模型，能够为临床选择最优治疗方案提供可靠依据，以达到肿瘤个体化治疗的目的和精准医学的要求。