论文部分内容阅读
研究目的
本研究旨在探讨基于CT的放射组学纹理特征-临床因素模型在鉴别炎性肺结节与周围型肺癌中的临床应用价值。
材料与方法
回顾性收集242例就诊于我院且在常规肺部CT误诊或诊断不明确的炎性肺结节及周围型肺癌患者的全部CT图像及有关临床资料。应用ITK-SNAP软件人工勾画肺结节的三维感兴趣区(region of interest ,ROI)，提取获得病灶图像纹理特征(n=180)，再经Lasso(least absolute shrinkage and selection operator,Lasso)逻辑分析降维压缩、筛选获得最佳的纹理特征参数(n=10)。对临床因素进行t检验、卡方检验及二项逻辑回归分析获得具有鉴别诊断价值的临床独立预测因素(n=4)。将242例入组患者按7：3的比例随机分为训练集(n=139例)及测试集(n=73例)，通过多元逻辑回归分析分别建立三个诊断模型：1)包括4个临床独立预测因素的临床模型；2)由10个CT放射组学纹理特征参数组成的纹理特征模型；3)由CT纹理特征(radscore)与临床独立预测因素结合建立的纹理特征-临床因素模型。获得和比较这三个模型受试者工作特征曲线(receiver operating characteristic，ROC)、箱线图、诺莫图(nomogram)和校准曲线以评估模型对炎性肺结节及周围型肺癌的诊断效能，并将该模型在测试集中进行验证。
结果
训练集中，纹理特征-临床因素模型对炎性肺结节与周围型肺癌的鉴别诊断效能最高，其ROC曲线的曲线下面积(AUC=0.840)，分别高于临床因素模型(AUC=0.765)和纹理特征模型(AUC=0.762)，与二者的差别均具有统计学意义(P＜0.05)；当诊断阈值取0.489时，纹理特征-临床因素模型的诊断敏感性和特异性分别为83.7%和72.7%。在测试集中，纹理特征-临床因素模型诊断效能亦较好(AUC=0.782)，与临床因素模型(AUC=0.663)间的差别具有统计学意义(P=0.02)，而与纹理特征模型(AUC=0.758)间的差别无统计学意义(P=0.53)。在训练集和测试集中，箱线图显示炎性肺结节组与周围型肺癌组之间的纹理特征差异均有统计学意义(P＜0.05)。基于纹理特征-临床因素模型建立的诺莫图对周围型肺癌及炎性肺结节的预测概率与实际概率有较好的一致性。
结论
相对于临床因素，基于CT的放射组学纹理特征在周围型肺癌与炎性肺结节的鉴别诊断中是主要影响因素，构建CT放射组学纹理特征结合临床预测因素的诊断模型有助于鉴别周围型肺癌和炎性肺结节。
本研究旨在探讨基于CT的放射组学纹理特征-临床因素模型在鉴别炎性肺结节与周围型肺癌中的临床应用价值。
材料与方法
回顾性收集242例就诊于我院且在常规肺部CT误诊或诊断不明确的炎性肺结节及周围型肺癌患者的全部CT图像及有关临床资料。应用ITK-SNAP软件人工勾画肺结节的三维感兴趣区(region of interest ,ROI)，提取获得病灶图像纹理特征(n=180)，再经Lasso(least absolute shrinkage and selection operator,Lasso)逻辑分析降维压缩、筛选获得最佳的纹理特征参数(n=10)。对临床因素进行t检验、卡方检验及二项逻辑回归分析获得具有鉴别诊断价值的临床独立预测因素(n=4)。将242例入组患者按7：3的比例随机分为训练集(n=139例)及测试集(n=73例)，通过多元逻辑回归分析分别建立三个诊断模型：1)包括4个临床独立预测因素的临床模型；2)由10个CT放射组学纹理特征参数组成的纹理特征模型；3)由CT纹理特征(radscore)与临床独立预测因素结合建立的纹理特征-临床因素模型。获得和比较这三个模型受试者工作特征曲线(receiver operating characteristic，ROC)、箱线图、诺莫图(nomogram)和校准曲线以评估模型对炎性肺结节及周围型肺癌的诊断效能，并将该模型在测试集中进行验证。
结果
训练集中，纹理特征-临床因素模型对炎性肺结节与周围型肺癌的鉴别诊断效能最高，其ROC曲线的曲线下面积(AUC=0.840)，分别高于临床因素模型(AUC=0.765)和纹理特征模型(AUC=0.762)，与二者的差别均具有统计学意义(P＜0.05)；当诊断阈值取0.489时，纹理特征-临床因素模型的诊断敏感性和特异性分别为83.7%和72.7%。在测试集中，纹理特征-临床因素模型诊断效能亦较好(AUC=0.782)，与临床因素模型(AUC=0.663)间的差别具有统计学意义(P=0.02)，而与纹理特征模型(AUC=0.758)间的差别无统计学意义(P=0.53)。在训练集和测试集中，箱线图显示炎性肺结节组与周围型肺癌组之间的纹理特征差异均有统计学意义(P＜0.05)。基于纹理特征-临床因素模型建立的诺莫图对周围型肺癌及炎性肺结节的预测概率与实际概率有较好的一致性。
结论
相对于临床因素，基于CT的放射组学纹理特征在周围型肺癌与炎性肺结节的鉴别诊断中是主要影响因素，构建CT放射组学纹理特征结合临床预测因素的诊断模型有助于鉴别周围型肺癌和炎性肺结节。