论文部分内容阅读
非小细胞肺癌是肺癌中的常见类型且全球范围内具有极高的致死率,靶向药物克唑替尼的使用极大地延长了晚期患者的生存期,但患者常在用药适应期之后出现抗药性而产生疾病进展,如何充分利用个体差异信息,依据具体情况对不同个体进行风险预测,富集优势人群展开治疗具有广阔前景。随着影像技术的飞速发展,数据量的不断增加,能够借助于通用的成像技术对影像资料提供的信息进行深层次分析的影像组学应运而生。本论文在上述背景下,基于影像组学对非小细胞肺癌ALK突变阳性病患的无进展生存期进行分析。首先对影像组学特征进行研究,主要从四类特征展开,包括描述感兴趣区域图像强度的一阶统计特征,表征病灶区域在三维空间中形状和大小的第二类形状特征,描述不同灰度级之间相对位置信息的纹理特征和最后一类通过分解去耦合的小波特征。收集到85例临床数据,对每例数据计算出的影像组学特征数目为485。接下来,对上述维数较高的特征降维并建模。研究了Cox比例风险模型及具有特征降维作用的lasso-cox模型。由于特征间常伴有冗余现象,lasso模型选择出的特征与实际的核心特征并非完全一致,对模型进行了改进,提出了预排除的改进模型。实验对改进结果进行了定性及定量评估,证明了改进后选出的特征更稳定,进行预测时的精确度更高。最后基于之前构建的影像组学模型进行无进展生存期分析,将患者分为高低风险组,采用Kaplan-Meier法估计生存率并对标签进行验证。为了消除临床风险因素的混杂作用,进行了分层分析,实验验证了标签的有效性。然后再单因素分析了临床风险因子及影像组学标签,应用合适的假设检验方法,将单因素分析有意义的因素采用后退法进行多因素分析,构建了融合影像组学标签和临床风险因子的混合模型和只由有意义的临床风险因子构成的临床模型并进行比较,发现混合模型的一致性系数在训练集和测试上分别为0.7173和0.6671,预测准确度最高,基于混合模型绘制方便观测的诺模图,采用校正曲线进行验证。