基于非小细胞肺癌双能CT表现及影像组学列线图模型预测其血管生成拟态

作者：李阳; 杨昭; 李淑华; 赵楠楠; 张舒妮; 杨静茹; 周辉; 李伟; 蒋明宽; 谢宗玉^*

来源：中国医学影像技术, 2023, 39(05): 684-689.

DOI：10.13929/j.issn.1003-3289.2023.05.009

• 肺肿瘤
• 体层摄影术,X线计算机
• 影像组学
• 血管生成拟态

目的 基于非小细胞肺癌(NSCLC)双能CT(DECT)表现及影像组学构建联合列线图模型，分析其预测NSCLC血管生成拟态(VM)的价值。方法 回顾性分析137例经手术病理证实的单发NSCLC患者，以7∶3比例将其分为训练集[n=95,37例VM(+)、58例VM(-)]和验证集[n=42,19例VM(+)、23例VM(-)]。基于肺窗CT提取及筛选最优影像组学特征，计算影像组学评分。以单因素分析及多因素logistic回归分析筛选NSCLC表达VM的独立预测因素，分别以之构建临床、能谱及影像组学模型；基于独立预测因素构建联合列线图模型。采用受试者工作特征曲线评估各模型预测NSCLC VM的效能，以校准曲线分析模型的拟合度，以决策曲线分析评估模型的临床获益。结果 最终筛选出6个最优影像组学特征。病灶最大径、毛刺征、CT140 keV及影像组学评分为NSCLC VM的独立预测因素(OR=2.25、9.69、0.99、-14.44,P均<0.05)。临床、能谱及影像组学模型预测验证集NSCLC VM的曲线下面积(AUC)分别为0.83、0.85、0.87,均低于联合列线图模型(AUC=0.95,Z=2.14、2.10、2.07,P均<0.05)。联合列线图模型预测结果与实际结果的一致性较好，且其临床获益较高。结论 基于DECT及影像组学构建的联合列线图模型能可有效预测NSCLC VM。

• 单位
  蚌埠医学院; 凤阳县人民医院; 蚌埠医学院第一附属医院