临床、CT影像组学及融合模型预测肝细胞癌分化程度

作者：曾凤霞; 刘仁懿; 曾辉; 陈卫国; 秦耿耿

来源：中国医学影像技术, 2021, 37(07): 1029-1033.

DOI：10.13929/j.issn.1003-3289.2021.07.015

• 癌
• 肝细胞
• 细胞分化
• 体层摄影术
• X线计算机
• 影像组学

目的评价临床、CT影像组学及融合模型预测肝细胞癌(HCC)分化程度的可行性。方法纳入330例HCC患者,根据病理所见分化程度分为高分化组(n=85)、中分化组(n=161)及低分化组(n=84),比较组间临床资料及CT征象差异。按3∶1比例随机将各组分为训练集及测试集。提取训练集CT影像组学特征,构建临床模型、影像组学模型及融合模型。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估各模型鉴别不同分化程度HCC的效能。结果共纳入352个CT影像组学特征,109个来自高、中分化HCC,84个来自中、低分化HCC,159个来自高、低分化HCC。临床模型鉴别高、低分化HCC的AUC为0.85;CT影像组学模型鉴别高分化与中、低分化HCC的AUC分别为0.80及0.79;融合模型鉴别高、低分化HCC的AUC为0.88。结论临床、CT影像组学及融合模型预测高、低分化HCC的效能均较高。CT影像组学模型可较好地预测高、中分化HCC。

• 单位
  南方医科大学南方医院