论文部分内容阅读
目的:旨在基于CT的图像纹理分析方法,联合血清标志物,建立高效预测局部晚期非小细胞肺癌(Non-Small-Cell Lung Cancer,NSCLC)放化疗敏感性的模型,为NSCLC治疗提供一定临床依据,从而精确指导NSCLC的个体化治疗。方法:本研究回顾性入组2014年6月至2017年6月于我院行同步放化疗的106例经病理证实的Ⅲ期NSCLC患者,统计患者治疗前1周内的血清标志物(包括红细胞计数、血红蛋白计数、血小板计数、白蛋白计数、白球比值、NSE、Cyfra21-1、CEA、淋巴细胞计数、淋巴细胞百分比、中性粒细胞计数、中性粒细胞百分比、单核细胞计数、单核细胞百分比、NLR(粒淋比)、PLR(板淋比)、LMR(淋单比)、NMR(粒单比)、PMR(板单比)等),及临床资料(包括年龄、性别、吸烟史、KPS评分、T分期、N分期、临床分期、病理类型、病变部位等),并收集治疗前1个月内的增强CT图像。根据RECIST 1.1标准评价疗效,将疗效达CR和PR的患者分为放化疗敏感组,疗效为SD和PD的患者分为放化疗抗拒组。在CT图像的肿瘤各层面靶区进行勾画感兴趣区域(region of interest,ROI),并进行三维图像重建,通过MATLAB软件对图像进行3D纹理分析,提取3D纹理参数。利用单因素及多因素分析,筛选出放化疗敏感组及抗拒组中有统计学差异的纹理参数及血清学参数,最终建立血清标志物联合CT纹理分析预测模型。结果:根据RECIST1.1标准评价患者治疗疗效,敏感组64例,抵抗组42例。通过X~2检验,筛选出临床因素N分期(P=0.025)以及血清标志物Cyfra21-1(P=0.009)与放化疗敏感性相关,两组差异有统计学意义。利用独立样本t检验,筛选出纹理参数总熵极差(P=0.027)、灰度强度变化(P=0.014)两组差异有统计学意义。使用logistic回归多因素分析显示,Cyfra21-1(P=0.037)联合Cluster Tendency极差(P=0.047)有统计学意义。结论:基于CT图像3D纹理分析联合血清标志物可以建立较高预测效能的NSCLC放化疗敏感性模型。