目的基于临床特征和CT影像组学特征构建联合模型预测肺结节的生长趋势,评估其预测效能。方法回顾分析201例患者胸部CT图像及临床资料,按一年内肺结节直径增加≥2 mm将患者分为进展组及非进展组。分别各由一位工作经验15年和10年胸部影...目的基于临床特征和CT影像组学特征构建联合模型预测肺结节的生长趋势,评估其预测效能。方法回顾分析201例患者胸部CT图像及临床资料,按一年内肺结节直径增加≥2 mm将患者分为进展组及非进展组。分别各由一位工作经验15年和10年胸部影像诊断医师对肺结节进展进行评估。将所有患者分为训练组和验证组,基于感兴趣区(region of interest,ROI)获取肺结节的影像组学特征并降维筛选出最优组学参数,得到影像组学特征参数分数(Rad-score)。纳入患者的临床资料及Rad-score变量,用二元Logistic回归分别建立临床模型、影像组学特征模型、临床组学联合模型,并分别绘制三个模型的ROC曲线及联合模型的列线图,以评估三个模型对肺结节生长的预测效能,并将联合模型与两位医师评估进行对照研究。结果一级亲属肺癌病史在两组间差异有统计学意义。选择9个最优影像组学特征参数。临床特征模型、影像组学特征模型、联合模型训练组/验证组AUC值分别为0.619/0.667、0.840/0.783、0.864/0.852。高、低年资医师训练组/验证组AUC值分别为0.847/0.832、0.735/0.805,联合模型训练组和验证组AUC值与高年资医师相仿,远高于低年资医师的预测值。结论基于临床特征和CT影像组学特征分数建立的联合模型优于临床特征和影像组学特征模型,预测效能与高年资医师相仿,远高于低年资医师,对预测肺结节的生长趋势具有良好的临床应用价值。展开更多
文摘目的基于临床特征和CT影像组学特征构建联合模型预测肺结节的生长趋势,评估其预测效能。方法回顾分析201例患者胸部CT图像及临床资料,按一年内肺结节直径增加≥2 mm将患者分为进展组及非进展组。分别各由一位工作经验15年和10年胸部影像诊断医师对肺结节进展进行评估。将所有患者分为训练组和验证组,基于感兴趣区(region of interest,ROI)获取肺结节的影像组学特征并降维筛选出最优组学参数,得到影像组学特征参数分数(Rad-score)。纳入患者的临床资料及Rad-score变量,用二元Logistic回归分别建立临床模型、影像组学特征模型、临床组学联合模型,并分别绘制三个模型的ROC曲线及联合模型的列线图,以评估三个模型对肺结节生长的预测效能,并将联合模型与两位医师评估进行对照研究。结果一级亲属肺癌病史在两组间差异有统计学意义。选择9个最优影像组学特征参数。临床特征模型、影像组学特征模型、联合模型训练组/验证组AUC值分别为0.619/0.667、0.840/0.783、0.864/0.852。高、低年资医师训练组/验证组AUC值分别为0.847/0.832、0.735/0.805,联合模型训练组和验证组AUC值与高年资医师相仿,远高于低年资医师的预测值。结论基于临床特征和CT影像组学特征分数建立的联合模型优于临床特征和影像组学特征模型,预测效能与高年资医师相仿,远高于低年资医师,对预测肺结节的生长趋势具有良好的临床应用价值。