科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的探讨基于双期增强CT检查影像组学胆囊癌淋巴结转移预测模型构建及其应用价值。方法采用回顾性队列研究方法。收集2012年1月至2020年12月西安交通大学第一附属医院收治的194例胆囊癌患者的临床病理资料;男70例, 女124例;年龄为(64±10)岁;均行胆囊癌意向性根治切除术。194例患者通过R软件随机数法以8∶2比例随机分为训练集156例和测试集38例。训练集用于构建诊断模型, 测试集用于验证诊断模型。患者进行CT检查后, 行图像分析、提取影像组学特征、影像组学模型建立;根据临床病理因素构建列线图预测模型。观察指标:(1)淋巴结清扫及组织病理学检查结果。(2)影像组学预测模型构建及特征分析。(3)胆囊癌淋巴结转移的影响因素分析。(4)列线图淋巴结转移预测模型构建。(5)影像组学及列线图淋巴结转移预测模型的预测能力比较。正态分布的计量资料以x±s表示, 偏态分布的计量资料以M(范围)表示。计数资料以绝对数表示, 组间比较采用χ2检验。单因素分析采用χ2检验, 多因素分析采用Logistic回归模型前进法。绘制受试者工作特征(ROC)曲线, 以曲线下面积(AUC)、决策曲线、混淆矩阵进行预测模型的效能评价。结果 (1)淋巴结清扫及组织病理学检查结果。194例患者中, 行淋巴结清扫182例, 淋巴结清扫数目为8(1～34)枚/人, 阳性淋巴结清扫数目为0(0～11)枚/人。194例患者术后组织病理学检查结果显示:N0期122例, 淋巴结清扫数目为7(0～27)枚/人;N1期48例, 淋巴结清扫数目为8(2～34)枚/人, 阳性淋巴结清扫数目为1(1～3)枚/人;N2期24例, 淋巴结清扫数目为11(2～20)枚/人, 阳性淋巴结清扫数目为5(4～11)枚/人。(2)影像组学预测模型构建及特征分析。提取194例患者107个影像组学特征, 其中一阶特征18个、形状特征14个、纹理特征75个。通过各影像组学特征组内相关系数及绝对中位差和使用互信息法、Select K-Best、最小化绝对收缩和选择算子回归降维后的数据分别拟合至随机森林、梯度提升树、支持向量机(SVM)、K-近邻法及Logistic回归5种不同机器学习算法中, 经分析Select K-BestSVM模型预测性能最佳, 测试集的AUC为0.76。(3)胆囊癌淋巴结转移的影响因素分析。单因素分析结果显示:全身炎症反应指数、癌胚抗原、CA19-9、CA125、影像学T分期、影像学淋巴结状态是影响胆囊癌患者淋巴结转移的相关因素(χ2=4.20, 11.39, 5.68, 11.79, 10.83, 18.58, P<0.05)。多因素分析结果显示:癌胚抗原, CA125, 影像学T分期(T3期比T1～2期、T4期比T1～2期), 影像学淋巴结状态是胆囊癌淋巴结转移的独立影响因素[风险比=2.79, 4.41, 5.62, 5.84, 3.99, 95%可信区间(CI)为1.20～6.47, 1.81～10.74, 1.50～21.01, 1.02～33.31, 1.87～8.55, P<0.05]。(4)列线图淋巴结转移预测模型构建。基于CEA、CA125、影像T分期、影像学淋巴结状态4项胆囊癌淋巴结转移的独立影响因素建立列线图预测模型。列线图模型训练集和测试集的一致性指数分别为0.77(95%CI为0.75～0.79)和0.73(95%CI为0.68～0.72)。(5)影像组学及列线图淋巴结转移预测模型的预测能力比较。ROC曲线显示:Select K-BestSVM影像组学模型训练集和测试集的AUC分别为0.75(95%CI为0.74～0.76)和0.76(95%CI为0.75～0.78), 列线图训练集和测试集的AUC分别为0.77(95%CI为0.76～0.78)和0.70(95%CI为0.68～0.72)。决策曲线显示:Select K-BestSVM影像组学模型及列线图预测淋巴结转移能力较为接近。混淆矩阵显示:Select K-BestSVM影像组学模型训练集和测试集的灵敏度分别为64.29%和75.00%, 特异度分别为73.00%和59.09%, 列线图训练集和测试集的灵敏度分别为51.79%和50.00%, 特异度分别为80.00%和72.27%。结论成功构建基于双期增强CT检查影像组学胆囊癌淋巴结转移预测模型, 其预测能力良好与列线图预测能力一致。
-
单位西安交通大学第一附属医院; 西北工业大学
