目的:探讨基于计算机体层成像(computed tomography,CT)影像组学联合临床特征预测模型对非小细胞肺癌(non-small cell lung cancer,NSCLC)远处转移的预测价值.方法:回顾并分析140例NSCLC患者(74例未发生远处转移和66例发生远处转移),从每例患者的治疗前CT图像上勾画2个感兴趣区(region of interest,ROI),包括瘤周微浸润区域(记为ME)和原发肿瘤区域(记为tumor),再分别提取影像组学特征,计算影像组学评分(radiomics score,RS).通过计算组内相关系数(intraclass correlation coefficient,ICC)来检验特征勾画的一致性.对所有数据进行分组,训练组和验证组分别有97例和43例.采用χ2检验或Fisher精确概率检验评价转移组和未转移组特征差异有无统计学意义.构建4个NSCLC远处转移预测模型,分别为肿瘤(tumor)影像组学模型、含瘤周(tumor+ME)影像组学模型及其分别联合临床特征的综合模型.所有模型性能通过受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)量化,使用DeLong检验对不同模型的诊断能力进行显著性检验,同时构建含瘤周(tumor+ME)影像组学联合临床特征综合模型的诺模图,并评价诺模图的校准和鉴别能力.结果:在单独的肿瘤(tumor)影像组学模型中筛选出9个组学特征,在含瘤周(tumor+ME)影像组学模型中筛选出13个组学特征.临床因素癌胚抗原(carcinoembryonic antigen,CEA)对于预测NSCLC远处转移差异有统计学意义(P<0.05).肿瘤(tumor)、含瘤周(tumor+ME)影像组学模型的AUC分别为0.779、0.854,综合模型中肿瘤组、含瘤周组的AUC分别为0.795、0.858.结论:影像组学特征联合临床因素所构建的模型可用于NSCLC远处转移的预测,含瘤周(tumor+ME)影像组学模型可以提高NSCLC远处转移的预测能力.

非小细胞肺癌;计算机体层成像;影像组学;远处转移;瘤周

王显棋;罗浩然;李可;杨靖;敬洋;陈伟

陆军军医大学第一附属医院放射科,重庆 400030;武警四川省总队医院医学影像科,四川乐山 614000;慧影医疗科技(北京)股份有限公司,北京 100089

肿瘤影像学

[1]王显棋;罗浩然;李可;杨靖;敬洋;陈伟-.基于CT影像组学联合预测模型对非小细胞肺癌远处转移的预测)[J].肿瘤影像学,2022(04):357-366

tumor+ME

学联,联合预测,非小细胞肺癌,远处转移,计算机体层成像,computed,tomography,特征预测,small,cell,lung,cancer,NSCLC,预测价值,勾画,感兴趣区,region,interest,ROI,瘤周,微浸润,记为,原发肿瘤,肿瘤区,影像组学特征,影像组学评分,radiomics,score,RS,intraclass,correlation,coefficient,ICC,训练组,Fisher,特征差异,转移预测,综合模型,模型性能,受试者工作特征,receiver,operating,characteristic,area,under,curve,DeLong,诊断能力,显著性检验,诺模图,鉴别能力,临床因素,癌胚抗原,carcinoembryonic,antigen,CEA,特征联合,预测能力

0.308887