CT影像组学预测胰腺导管腺癌患者术后无病生存期的价值

目的:探讨基于平扫和三期增强CT的影像组学模型及临床-组学综合模型对胰腺导管腺癌(PDAC)患者术后无病生存期(DFS)的预测价值。方法:回顾性分析2013年12月-2021年6月在本院经术后病理证实的124例胰腺导管腺癌患者的病例资料。所有DFS患者术后随访时间大于3个月。采用随机分组法,按照7:3的比例将患者分为训练集(n=87)和验证集(n=37)。所有患者术前行腹部CT平扫及三期(动脉期、静脉期、延迟期)增强扫描。使用ITK-SNAP软件分别在四期CT图像上沿胰腺肿瘤边缘逐层勾画ROI并融合生成三维容积ROI(VOI),然后导入FAE软件中提取影像组学特征。采用单因素Cox回归分析及LASSO-Cox回归分析进行纹理特征的筛选,然后分别构建各期和多期联合(动脉期+静脉期+延迟期)影像组学模型并计算相应的影像组学标签得分。采用单因素和多因素Cox回归分析筛选临床特征和CT形态学特征并构建临床模型。采用多因素Cox回归分析结合临床模型变量及影像组学标签构建临床-组学综合模型并绘制其诺莫图。采用一致性指数(C-index)、时间依赖性(time-dependent)ROC曲线、校正曲线和决策曲线分析(DCA)对模型的诊断效能及临床效益进行评价。利用R语言计算临床-组学综合模型的最佳截断值,并据此将患者分为高风险组和低风险组,采用Kaplan-Meier法分析生存资料并进行log-rank检验。结果:基于平扫、动脉期、静脉期和延迟期及多期联合分别筛选得到5、16、4、12和17个组学特征,分别建立相应的组学模型并获得影像组学标签值。经log-rank检验,所有组学标签均与DFS具有相关性(P<0.05),其中多期联合模型的预测效能最佳(训练集:C-index=0.786,6~24个月AUC=0.850~0.928;验证集:C-index=0.802,6~24个月AUC=0.796~0.874);而临床模型的预测效能较低(训练集:C-index=0.635,6~24个月AUC=0.647~0.679;验证集:C-index=0.596,6~24个月AUC=0.545~0.656)。临床-组学综合模型的预测效能(训练集:C-index=0.812,6~24个月AUC=0.883~0.958;验证集:C-index=0.796,6~24个月AUC=0.813~0.894)明显优于临床模型;校准曲线显示临床-组学综合模型的拟合度好;DCA显示临床-组学综合模型的临床净收益优于临床模型。临床-组学综合模型的截断值为2.738。Kaplan-Meier生存分析显示在训练集和验证集中,高风险组患者的DFS明显短于低分风险组。结论:基于多期CT扫描的影像组学模型结合临床特征构建的临床-组学综合模型在预测胰腺导管腺癌患者术后DFS方面,相较于临床模型和影像组学模型具有更好的预测效能,有助于指导临床制订个体化的治疗策略和改善患者的预后。

基于MRI影像组学模型术前预测垂体神经内分泌瘤血供

目的:探讨基于MRI影像组学特征的机器学习模型在术前预测垂体神经内分泌瘤血供的价值。方法:回顾性分析2013年4月至2023年4月皖南医学院第一附属弋矶山医院136例经病理确诊的垂体神经内分泌瘤(直径>10 mm)患者的临床和影像资料。根据术中所见将其分为血供丰富组50例和血供一般组86例。按照完全随机的方法将所有患者以7∶3的比例分为训练组96例和验证组40例。采用多因素Logistic回归(LR)、随机森林(RF)、支持向量机(SVM)三种机器学习算法分别建立影像组学预测模型。绘制受试者工作特征曲线(ROC)评价模型的诊断效能,并绘制决策曲线分析(DCA)评估模型的临床净收益。结果:临床模型在训练组和验证组中的曲线下面积(AUC)为0.74、0.82;T1WI、T2WI、T1WI增强及联合序列影像组学模型在训练组中AUC分别为0.80、0.84、0.82、0.84,在验证组中分别为0.82、0.80、0.85、0.83;LR、RF、SVM模型在训练组中的AUC分别为0.85、0.87、0.84,验证组中分别为0.85、0.85、0.83。影像组学各模型均优于临床模型的诊断效能。DCA显示联合序列模型、LR及SVM模型均获得较好的临床净收益,LR模型最优。结论:MRI影像组学的机器学习各模型均具有较高的预测价值,优于临床医生肉眼观察MRI图像的判断,且具有较好的临床净收益,能够为临床决策提供有效指导作用。