论文部分内容阅读
目的:探索与肝硬化食管静脉曲张（Esophageal Varices,EV）分级及预后相关的临床特征、常规增强CT特征及能谱CT影像组学特征。基于能谱CT影像组学构建EV分级预测模型,进一步构建中重度EV预后预测模型,为临床早期发现、早期预防肝硬化EV患者发生不良预后提供客观、无创的影像学参考。材料与方法:1.回顾性收集兰州大学第二医院经胃镜确诊为肝硬化EV的患者共301例,按照7:3的比例随机将病例分为训练集（211例）和验证集（90例）,并从医学影像存档与通讯系统（Picture archiving and communication systems,PACS）收集患者的临床资料、常规增强CT特征和能谱增强CT门静脉期60keV单能量图像及碘基图图像。经过单因素分析、相关性分析、最小绝对收缩选择算子（Least absolute shrinkage and selection operator,LASSO）及多因素回归分析,筛选与EV分级最相关的因素构建模型和诺模图,使用验证集对模型的稳定性进行验证。绘制受试者工作特征曲线（receiver operating characteristic curve,ROC曲线）并用其计算所得的准确率、敏感度、特异度对模型的预测性能进行评价,采用校准曲线展示诺模图和实际结果之间的拟合程度,并使用决策曲线分析对模型的临床适用性进行评估。2.对于前一部分病例中的177例中重度EV患者初次诊断后30个月的结果进行随访,根据随访结果剔除16例失访患者,剩余预后良好和预后不良患者共161例,按照7:3的比例分为训练集（114例）和验证集（47例）。从PACS收集患者的临床资料、常规增强CT特征和能谱增强CT门静脉期60keV单能量图像及碘基图图像,进行多个步骤筛选并构建中重度EV预后模型和诺模图,使用验证集对模型的稳定性进行验证。绘制ROC曲线并用其计算所得的准确率、敏感度、特异度对模型的预测性能进行评价,采用校准曲线评价诺模图与实际预后之间的拟合程度,并使用决策曲线分析对模型的临床适用性进行评估。结果:1.从临床资料和常规增强CT特征中筛选出的胃左静脉直径（Diameter of left gastric vein,Dlgv）和食管静脉直径（Diameter of esophageal vein,Dev）为EV分级的独立预测因子,1896个能谱CT影像组学特征中有5个特征与EV分级相关（其中1个来源于脾脏碘基图、1个来源于肝脏60keV单能量图、3个来源于脾脏60keV单能量图）。基于以上筛选特征共构建6个模型,其中融合了常规增强CT特征（CT）、能谱CT影像组学特征（radiomics kev+radiomics iodin,Rkev+RI）的综合模型（CT+Rkev+RI）在鉴别EV分级方面性能最佳,在训练集、验证集中AUC分别为0.812（95%CI,0.752-0.872）和0.821（95%CI,0.727-0.915）,准确度（Accuracy,Acc）分别为0.782（0.720-0.836）和0.767（0.666-0.849）,敏感度（sensitivity,Sen）分别为0.879（0.742-0.944）和0.849（0.660-0.962）,特异度（specificity,Spe）分别为0.644（0.505-0.770）和0.649（0.432-0.811）。经校准曲线分析发现CT+Rkev+RI模型预测EV分级与观察值间的一致性最高,并经决策曲线分析发现该综合模型可提供最大的临床净收益。2.从临床资料和常规增强CT特征中筛选出的年龄（Age）和肠系膜上静脉直径（Diameter of superior mesenteric vein,Dsmv）与中重度EV预后独立相关,1896个能谱CT影像组学特征中有4个特征是中重度EV患者预后的独立预测因子（其中3个来源于脾脏碘基图、1个来源于肝脏60keV单能量图）。基于以上筛选特征共构建6个模型预测中重度EV预后,其中融合了临床及常规增强CT特征（clinical+CT,CC）、能谱CT影像组学特征（radiomics kev+radiomics iodin,Rkev+RI）的综合模型（CC+Rkev+RI）预测性能最佳,在训练集、验证集中AUC分别为0.718（95%CI,0.621-0.814）和0.702（95%CI,0.550-0.854）,Acc分别为0.746（0.656-0.823）和0.787（0.643-0.893）,Sen分别为0.786（0.571-0.882）和0.824（0.235-0.941）,Spe分别为0.722（0.514-0.847）和0.767（0.299-0.900）。校准曲线分析表明CC+Rkev+RI模型在预测中重度EV预后不良的发生概率与实际预后不良概率的一致性较好,并经决策曲线分析发现该综合模型可提供最大的临床净收益。结论:1.中重度EV发病率略高于轻度EV;CT模型、CT+Rkev模型、CT+RI模型及CT+Rkev+RI模型均能有效预测肝硬化患者的EV分级,其性能稳定性均在验证集得到了验证;其中基于常规增强CT特征、能谱CT影像组学特征构建的CT+Rkev+RI模型预测EV分级性能最佳,可作为临床决策的参照。2.EV级别越高、患者年龄越大,预后不良发生的概率越大;基于年龄、常规增强CT特征联合能谱CT 60keV单能量图和碘基图的影像组学特征构建的无创性综合预测模型（CC+Rkev+RI）对中重度EV预后不良的预测性能较好,并在验证集得到了有效验证,可为临床提前预防提供影像学帮助。