目的:探讨基于CT图像影像组学列线图模型预测肺浸润性腺癌(IAC)分化程度的价值及免疫组化因子在肿瘤不同分化程度间的表达差异。方法:收集2017年12月至2018年9月南京医科大学附属淮安第一医院经手术病理证实为肺IAC患者的临床病理资料。对所有勾画感兴趣区进行高通量特征采集，经最小绝对收缩算子降维处理后构建预测模型。采用受试者工作特征曲线评估临床特征模型、影像组学模型及两者联合的个体化预测模型鉴别肺IAC分化程度的预测效能，免疫组化Ki-67、NapsinA、甲状腺转录因子1(TTF-1)在IAC不同分化程度的组间比较采用秩和检验。结果:全组IAC病灶中共提取出396个高通量特征，筛选出10个泛化能力较高、与IAC分化程度相关的特征。训练组低分化IAC的影像组学评分平均值(1.206)高于中高分化患者(0.969， P＝0.001)，测试组低分化IAC的影像组学评分平均值(1.545)高于中高分化患者(-0.815， P<0.001)。中高分化IAC组和低分化IAC组患者的性别( P<0.001)、胸膜牵拉征( P＝0.005)、毛刺征( P＝0.033)差异均有统计学意义。多因素logistic回归分析显示，性别、胸膜牵拉征与IAC分化程度有关(均 P<0.05)。临床特征模型由年龄、性别、胸膜牵拉征、毛刺征、肿瘤血管征、空泡征组成，个体化预测模型由性别、胸膜牵拉征及影像组学评分构成，并由列线图表示。影像组学模型、临床特征模型和个体化预测模型的Akaike信息标准值分别为54.756、82.214和53.282。个体化预测模型对鉴别肺IAC分化程度的效能最高，个体化预测模型在训练组和测试组中的曲线下面积(AUC)分别为0.92(95% CI：0.86~0.99)和0.88(95% CI：0.74~1.00)；影像组模型在训练组和测试组中预测肺IAC分化程度的AUC分别为0.91(95% CI：0.83~0.98)和0.87(95% CI：0.72~1.00)；临床特征模型在训练组和测试组中预测肺IAC分化程度的AUC分别为0.75(95% CI：0.63~0.86)和0.76(95% CI：0.59~0.94)。Ki-67在低分化IAC中的表达水平高于中高分化IAC( P<0.001)，NapsinA、TTF-1在中高分化IAC中的表达高于低分化IAC(均 P<0.05)。 结论:由性别、胸膜牵拉征及影像组学评分构建的个体化预测模型对浸润性肺腺癌的分化程度具有较高的鉴别效能。Ki-67、NapsinA、TTF-1在浸润性肺腺癌不同分化程度间的表达不同。

肺肿瘤;浸润性腺癌;影像组学;分化程度;Ki-67;NapsinA;甲状腺转录因子1

南京医科大学附属淮安第一医院影像中心，江苏省淮安市　223300;通用电气药业（上海）有限公司精准医学研究院，上海　210000

[1]单文莉;孔丹;张辉;张建东;段绍峰;郭莉莉-.浸润性肺腺癌分化程度预测模型的临床价值)[J].中华肿瘤杂志,2022(07):767-775

浸润性肺腺癌,分化程度,临床价值,图像影像,列线图模型,肺浸润性腺癌,IAC,免疫组化,表达差异,南京医科大学,淮安,经手,手术病理,临床病理资料,勾画,感兴趣区,通量特征,降维处理,受试者工作特征曲线,特征模型,个体化预测,预测效能,Ki,NapsinA,TTF,秩和检验,全组,共提取,泛化能力,训练组,低分化,影像组学评分,高分化,胸膜,牵拉,毛刺征,logistic,肿瘤血管,血管征,空泡征,列线图表,Akaike,信息标准,标准值,鉴别效能,肺肿瘤

0.207257