基于CT影像组学及临床资料预测肝细胞癌微血管侵犯的研究

作者：俞超; 胡晓欣^*; 张汐; 钱敏; 童彤; 顾雅佳

来源：复旦学报(医学版), 2023, 50(01): 15-25.

• CT
• 影像组学
• 肝细胞癌(HCC)
• 微血管侵犯(MVI)

目的 基于肝细胞癌（hepatocellular carcinoma,HCC）患者的术前CT影像组学特征和术前临床资料分别建立影像组学模型，探讨其预测微血管侵犯（microvascular invasion,MVI）的研究价值。方法 回顾性分析复旦大学附属肿瘤医院2018年1月至2020年12月110例经术后病理结果确诊为HCC患者的资料。采用ITK-SNAP软件勾画肝脏肿瘤边缘，通过Python(3.7.10版本)软件对图像做预处理，使用pyradiomics(3.0.1版本)工具包提取9种滤波器下的八类影像组学特征共1 317个。依据术后病理结果分成MVI阳性组（65例）和MVI阴性组（45例）。分析临床资料，利用逻辑回归算法分别建立影像组学模型，临床模型，临床特征联合影像组学模型（简称联合模型）。通过绘制训练组和测试组的受试者特征曲线（receiver operating characteristic curve,ROC）、ROC曲线下面积（the area under the ROC curve,AUC）、特异性和敏感性评估预测患者MVI状态的诊断效能。结果 筛选出18个最优的影像组学特征构成影像组学模型，在训练集和测试集中AUC分别为0.822和0.778，测试集中的敏感性为0.700，特异性为0.857。筛选出5个临床特征构成临床模型，在训练集和测试集中AUC分别为0.753和0.635，测试集中的敏感性为0.723，特异性为0.769。筛选出11个特征构成联合模型，在训练集和测试集中的AUC为0.845和0.813，测试集中的敏感性为0.833，特异性为0.846。结论 基于CT影像组学联合临床特征的模型可用于预测HCC的MVI状态且具有较好的诊断价值。

• 单位
  复旦大学附属肿瘤医院