论文部分内容阅读
目的:建立和评估影像组学模型在预测急性百草枯中毒患者预后中的有效性。方法:数据来自2014年11月至2017年10月的80例明确诊断为急性百草枯中毒的患者的早中期胸部CT图像及相关临床资料,按7:3比例分层随机抽样分配为训练组及验证组。训练组(57例)用以建立预测模型,独立验证组(23例)用以模型验证。选择肺内病变进展高峰的CT图像,勾画全肺为ROI,提取影像组学特征,使用PCA及套索回归方法降维、选择关键特征并建立影像组学标签。纳入影像组学标签及临床预后危险因子,采用多变量逻辑回归分析建立影像组学标签结合临床预后危险因子的综合预测模型,模型结果用列线图表示。并从区分度、校准度和临床有用性方面对列线图进行了评估。结果:7个关键特征组成的影像组学标签在训练数据集和验证数据集中生存组和死亡组之间具有显著统计学差异(P<0.001)。影像组学标签在训练数据集和验证数据集预测病人预后的AUC分别为0.942(95%CI0.886-0.997)、0.865(95%CI 0.658-1),敏感度及特异度分别为0.864、0.914及0.778、0.929,预测准确率分别达到89.5%和87%。列线图中包含的4个预测因子包括影像组学标签、PQC、CK-MB、SCr。列线图在训练数据集中AUC为0.973(95%CI 0.936-1)、敏感度及特异度分别为0.943、0.955,预测准确率分别达到了94.7%;在验证数据集中仍然得到很好的区分度,AUC为0.944(95%CI 0.844-1),敏感度及特异度分别为0.889、0.929,预测准确率达到了91.3%。决策曲线分析表明,影像组学列线图在临床上是有用的。结论:影像组学标签可以有效预测APP患者预后,此基础上添加血液实验室指标得到列线图,预后预测价值有所增加。综合预测模型提高了APP患者预后预测准确率,有助于中毒早期准确评估急性病情严重程度,可靠预测死亡风险,可以指导调整临床个性化治疗方案,为降低死亡率和致残率以及减轻患者医疗费用提供了依据。本研究为影像组学在非肿瘤性、弥漫性病变方面的研究提供了依据。