CT影像组学对肺纯磨玻璃结节浸润性的预测价值

作者：高琳; 于鑫鑫; 康冰; 张帅; 王锡明^*

来源：山东大学学报(医学版), 2022, 60(05): 87-97.

DOI：10.6040/j.issn.1671-7554.0.2022.0500

• 放射组学
• 肺
• 纯磨玻璃结节
• 腺癌
• 计算机断层扫描

目的 评估从平扫CT及增强CT图像中提取的组学特征是否能提高对纯磨玻璃结节(pGGNs)组织学浸润性的鉴别能力，建立诺模图协助预测pGGNs的浸润性。方法 回顾性分析山东第一医科大学附属省立医院2018年12月至2021年6月332例患者，共364个pGGN,按照病理类型分为前驱病变组[包括不典型腺瘤样增生(AAH)和原位腺癌(AIS),共157个]和浸润性病变组[包括微浸润性腺癌(MIA)和浸润性腺癌(IAC),共207个]。在平扫和增强图像上勾画感兴趣区域(ROI)并提取特征。运用最小绝对收缩选择算子(LASSO)进行特征筛选，并对筛选出的放射组学特征进行线性拟合，根据各自加权系数，生成放射组学得分(Rad-score)。将临床资料和CT形态学特征作为临床特征进行多因素回归分析筛选独立预测因子建立临床因素模型。采用多元逻辑回归的方法结合放射组学模型和临床因素模型，构建诺模图。通过受试者操作特性曲线(ROC)、校正曲线和决策曲线(DCA)评估诺模图性能。结果 三期(包括平扫、动脉期和静脉期)融合放射组学模型在训练集和验证集中预测pGGN浸润性的AUC是0.915和0.841,显著高于平扫(0.882, 0.796)、动脉期(0.884, 0.814)、静脉期(0.897, 0.841)组学模型、以及临床因素模型(0.805,0.747)。结合三期融合模型及临床因素构建的诺模图AUC值为0.928(训练集)和0.854(验证集),优于组学模型及临床因素模型。结论 增强CT图像提取的影像组学特征可提高对pGGNs浸润性的鉴别能力，诺模图可更好地预测pGGNs的浸润性。

• 单位
  山东第一医科大学; 山东大学