基于超声影像组学对胰腺神经内分泌肿瘤肝转移的预测价值

作者：赵利辉; 张岱; 穆洁; 毛怡然; 杨凡; 侯文静; 王子阳; 魏玺; 王海玲^*

来源：中华超声影像学杂志, 2023, 32(08).

• 超声检查
• 胰腺肿瘤
• 肝脏转移瘤
• 影像组学
• 神经内分泌肿瘤

目的探讨超声影像组学对胰腺神经内分泌肿瘤(pNEN)肝转移的预测价值。方法回顾性分析2012年1月至2022年6月天津医科大学肿瘤医院经病理证实的269例pNEN患者的临床、病理及超声资料, 其中肝转移94例, 无肝转移175例。应用ITKSNAP软件在肿瘤最大径切面勾画感兴趣区(ROI), 使用Pyradiomics提取影像组学特征。保留组内相关系数>0.90的组学特征, 采用最大相关最小冗余(MRMR)筛选最优特征。将数据集按7∶3的比例随机分为训练集和验证集, 应用随机森林算法(Rfs)进行pNEN肝转移的预测, 共构建临床超声模型、影像组学模型、临床超声与组学特征结合的综合模型共三个模型。通过ROC曲线分析不同模型对pNEN肝转移的预测性能, 通过Delong检验对不同模型的预测性能进行比较。结果从ROI中共提取874个特征, 经观察者内和观察者间相关性分级及特征选择, 保留12个高鲁棒性的影像组学特征用于构建模型。影像组学模型、临床超声模型和综合模型预测NEN患者肝转移的曲线下面积(AUC)、敏感性、特异性及准确性分别为0.800、0.574、0.789、0.714, 0.780、0.596、0.874、0.777, 0.890、0.694、0.874、0.810。Delong检验显示, 综合模型AUC优于影像组学模型(Z=3.845, P=0.000 12)及临床超声模型 (Z=3.506, P=0.000 45), 具有最佳预测效能。结论基于超声的影像组学模型具有较好地预测pNEN肝转移的性能, 联合临床超声特征和影像组学特征的综合模型可进一步提高模型的预测性能。

• 单位
  天津医科大学; 天津市肿瘤医院