探讨基于术前CT图像的影像组学预测模型在鉴别非小细胞肺癌（NSCLC）临床分期中的价值。
方法回顾性分析2007年10月至2014年12月广东省人民医院，经手术病理证实、具有完整的术前胸部CT检查资料且术前常规检查等临床资料齐全的657例NSCLC患者，将2007年10月到2012年4月的331例作为训练组，2012年5月到2014年12月的326例作为验证组。所有患者均行胸部CT平扫与增强扫描。按照术中及术后病理结果，对患者进行术后病理分期（PTNM），分为早期（Ⅰ、Ⅱ期）和晚期（Ⅲ、Ⅳ期）。采用基于Matlab 2014a软件的特征提取算法提取影像组学特征并进行特征筛选以建立影像组学标签。通过纳入影像组学标签及患者的临床资料建立多变量logistic回归模型，并进行模型简化及验证。采用ROC评价模型鉴别早期和晚期NSCLC的预测效能。
结果建立的影像组学标签对于鉴别NSCLC术后病理分期具有较好的预测效能，训练组和验证组影像组学标签值鉴别临床分期的ROC下面积（AUC）分别为0.715（95%可信区间为0.709~0.721）和0.724（95%可信区间为0.717~0.731）。影像组学标签、肿瘤最大径、癌胚抗原水平和非小细胞肺癌抗原CYFRA21-1水平均为独立显著的危险因素。预测模型在训练组中鉴别预测效能的AUC为0.787（95%可信区间为0.781~0.793），敏感度为73.4%，特异度为72.2%，阳性预测值为0.707，阴性预测值为0.868；在验证样本中的AUC为0.777（95%可信区间为0.771~0.783），敏感度为91.3%，特异度为67.3%，阳性预测值为0.607，阴性预测值为0.946。
结论通过联合基于术前胸部CT建立的影像组学标签及临床和实验室指标（术前癌胚抗原、CYFRA21-1水平及肿瘤最大径）建立的影像组学预测模型，对术前鉴别早期和晚期NSCLC具有价值。