基于CT的直肠癌新辅助化疗后病理完全缓解预测模型的初步探索——DACCA数据库的联合研究

作者：李芊; 周逸菲; 李峥艳; 汪晓东^*; 高绍兵; 李立

来源：中国普外基础与临床杂志, 2020, 27(05): 606-611.

DOI：10.7507/1007-9424.202003073

• 直肠癌
• 新辅助化疗
• 影像组学
• 人工智能
• 决策树
• 病理完全缓解

目的初步探索基于CT影像组学特征建立的决策树模型对局部进展期直肠癌(LARC)患者行单纯新辅助化疗疗效的评估价值。方法回顾性分析四川大学华西医院肠癌数据库(DACCA)中2016年10月至2019年3月期间符合本研究纳入和排除标准的244例单纯新辅助化疗后行根治性手术的LARC患者的临床及CT检查的DICOM格式图像资料。利用ITK-SNAP软件选取肿瘤最大层面并对影像感兴趣区域进行勾画。使用计算机随机分配软件将200例患者纳入训练集,44例患者纳入测试集。利用MATLAB软件读取DICOM格式图像并提取和筛选影像组学特征,进而用降维后得到的影像组学特征进行机器学习并建模。通过绘制受试者操作特征曲线并计算曲线下面积(AUC)来评估模型预测单纯新辅助化疗后对病理完全缓解(pCR)的效能。结果根据术后病理肿瘤退缩分级(TRG)患者被分为pCR组(TRG0,28例)和非pCR组(TRG1～TRG3,216例)。最终获得13个影像组学特征即6个灰度特征(均值、方差、标准差、偏离度、峰态、能量)、3个纹理特征(对比度、相关性、同质化)及4个形状特征(边界长度、直径、面积、形状参数)。基于CT的决策树模型预测LARC患者新辅助化疗后效果的AUC值为0.772 [95%CI(0.656,0.888)],对于非pCR的预测准确度较高(97.2%),但对于pCR的预测准确度较低(57.1%)。结论在本次初步探索中,基于CT的决策树模型在判断LARC患者新辅助化疗后pCR上较同质研究的预测效能低,通过分析后将进一步从优化算法、继续拓展数据集、挖掘更多影像组学特征值等方面优化模型,从而最终实现pCR的精准预测。

• 单位
  四川大学; 四川大学华西医院