论文部分内容阅读
目的 探讨建立基于CT图像的放射组学特征联合CT征象的胃肠道间质瘤(GIST)危险度分级的列线图模型,对临床精准治疗和评估预后的价值.方法 搜集在本院经手术切除病理确诊为GIST且具有完整术前CT增强扫描图像患者135例纳入研究.诊断医师于PACS系统观察各CT征象,并于在ITK-SNAP(版本3.6.0)软件勾画分割肿瘤容积,后导入Artificial Intelligence Kit(A.K.GE Healthcare)软件中自动提取放射组学特征.依照2017年中国胃肠道间质瘤病理专家组共识分为极低危、低危(合并为低危组),中危、高危(合并为高危组).将135例病例采用分层抽样的方式按照7∶3比例分割为训练组和验证组,对独立危险因素进行训练和验证,经过特征筛选剩余5个特征,将CT征象预测模型和组学预测模型的独立危险因素进行多因素逻辑回归,保留P＜0.05的特征进行多因素逻辑回归建模并获得列线图.结果 将CT征象中形态和放射组学特征分值进行建模并获取列线图,训练组的曲线下面积(AUC)值,准确度分别为0.983(0.965～1),0.947(0.881～0.983);验证组的AUC值,准确度分别为0.945(0.863～1),0.925(0.796～0.984),均高于CT征象模型和组学模型.结论 通过放射组学的分析方法所建立基于CT图像的放射组学特征联合CT征象的GIST危险度分级的列线图模型能够很好评估GIST术前危险度分级,对临床精准治疗和评估患者预后提供有益辅助.