CT放射组学对肾乏脂肪血管平滑肌脂肪瘤的预测价值

作者：韩志巍; 文娣娣; 郭宁; 魏梦绮; 李天云^*

来源：空军军医大学学报, 2022, 43(05): 453-461.

DOI：10.13276/j.issn.2097-1656.2022.04.014

• 肾乏脂肪血管平滑肌脂肪瘤
• 肾肿瘤
• 影像组学特征
• CT

目的 肾乏脂肪血管平滑肌脂肪瘤(AMLwvf)是一种良性肿瘤，预后良好，其影像表现与恶性肿瘤相似。本研究通过放射组学方法从每位患者四期CT图像中提取有意义特征数据，并建立机器学习模型从常见肾脏肿瘤中区分出AMLwvf。方法 回顾性分析29例病理证实AMLwvf与169例其他常见肾肿瘤病例。所有病例CT图像病灶内均未发现肉眼可见脂肪，均行CT平扫(PCP)及皮髓质期(CMP)、肾实质期(NP)、排泄期(EP)增强扫描。首先对每位患者各期图像中病灶行手工绘制容积感兴趣区(VOI),提取放射组学特征，为降低模型冗余度，采用最小绝对收缩和选择算子用于特征筛选，最后采用五折交叉验证的机器学习分类器进行鉴别诊断，具体包括K-最近邻、逻辑回归、多层感知器、支持向量机。分类器的性能主要通过受试者工作曲线的曲线下面积(AUC)和准确率、敏感度、特异度来评价和比较。结果 对每个病灶每期VOI所提取特征进行筛选，最终PCP、CMP、NP、EP以及CMP+NP等CT放射组学的特征分别为10、10、14、2、7个。其中CMP和NP在使用多层感知器后达到了令人满意的性能，AUC分别为0.82±0.06和0.85±0.06,准确率分别为83.33%(敏感度为0.689 6,特异度为0.857 9)和75.76%(敏感度为0.724 1,特异度为0.763 3)。EP和PCP的AUC分别为0.73±0.16和0.79±0.06,准确率分别为78.79%(敏感度为0.620 7,特异度为0.816 6)和79.29%(敏感度为0.586 2,特异度为0.828 4),将CMP和NP结合后，AUC为0.86±0.06,准确率为70.20%(敏感度为0.862 1,特异度为0.674 6)。结论 基于放射组学特征的机器学习能区分良性的AMLwvf与常见肾脏肿块，这有助于临床对肾肿瘤患者干预方式的选择。

• 单位
  西京医院; 中国人民解放军空军军医大学