CT影像组学在特发性肺纤维化患者预后评估中价值

作者：刘立凡; 胡一平; 臧凯旋; 王晶; 吕传剑; 郭智萍; 汪铮^*; 张晓菊

来源：中华实用诊断与治疗杂志, 2023, 37(10): 1047-1051.

DOI：10.13507/j.issn.1674-3474.2023.10.016

• 特发性肺纤维化
• 影像组学
• 影像特征
• 预后

目的 基于CT影像组学构建特发性肺纤维化(IPF)预后预测模型，探讨其在IPF患者预后评估中的价值。方法 2018年1月1日—2020年12月31日河南省人民医院诊治IPF患者171例，均采用吡非尼酮或尼达尼布抗纤维化治疗，随访2年，根据随访期间预后情况分为预后不良者101例和预后良好者70例。按照7∶3比例将171例患者随机分为训练集119例和验证集52例，比较训练集与验证集患者体质量指数及吸烟史、特殊物质接触史、预后不良比率。2组入院时均行胸部高分辨率CT检查，对CT影像图中蜂窝影进行感兴趣区标注，应用Onekeyai platform软件进行特征提取，采用lasso回归筛选影像特征并构建K最邻近法(KNN)、支持向量机(SVM)和LightGBM 3种模型；绘制ROC曲线，评估训练集和验证集中3种模型预测IPF患者预后不良的效能。结果 训练集体质量指数及吸烟史、特殊物质接触史、预后不良比率与验证集比较差异均无统计学意义(P>0.05)。经特征提取共提取1 648个影像特征，其中一阶特征342个，形状特征14个，纹理特征1 292个(灰度共生矩阵418个、灰度行程矩阵304个、灰度区域大小矩阵304个和灰度差分矩阵266个);经特征筛选共筛选出76个影像特征；采用lasso回归最终纳入10个影像特征。训练集中SVM、KNN和LightGBM模型预测IPF患者预后不良的AUC分别为0.828(95%CI:0.754～0.903,P<0.001)、0.802(95%CI:0.728～0.877,P<0.001)、0.880(95%CI:0.815～0.944,P<0.001),灵敏度分别为87.1%、74.3%、71.4%,特异度分别为61.2%、73.5%、93.8%,准确率分别为75.6%、74.0%、79.0%;验证集中SVM、KNN和LightGBM模型预测IPF患者预后不良的AUC分别为0.897(95%CI:0.810～0.984,P=0.044)、0.685(95%CI:0.540～0.830,P=0.025)、0.867(95%CI:0.761～0.973,P<0.001),灵敏度分别为80.6%、100.0%、90.3%,特异度分别为85.7%、28.6%、81.0%,准确率分别为75.0%、61.5%、78.8%。结论 基于CT影像组学构建的预测模型在IPF患者预后评估中有一定价值，SVM模型、LightGBM模型预测效能较高。

• 单位
  河南大学; 河南省人民医院; 新乡医学院; 郑州大学