全容积ADC直方图分析联合ADC值术前预测直肠癌肿瘤沉积的价值

目的探讨基于肿瘤全容积表观扩散系数(apparent diffusion coefficient,ADC)直方图参数联合ADC值在术前预测直肠癌肿瘤沉积(tumor deposits,TDs)中的应用价值。材料与方法回顾性分析苏州大学附属第一医院2016年6月至2023年6月术前行直肠MRI检查且经病理确诊的111例直肠癌患者的临床及影像学资料,依据病理结果将其分为TDs阳性组(n=30)和TDs阴性组(n=81),在ADC图像上手动勾画每一层肿瘤病灶感兴趣区(region of iterest,ROI)并提取ADC直方图参数,包括第10百分位数(ADC_(10%))、第90百分位数(ADC_(90%))、最大值(ADC_(max))、最小值(ADC_(min))、均数(ADC_(mean))、中位数(ADC_(median))、峰度及偏度;同时测量肿瘤最大层面的平均ADC值。分析比较两组患者间ADC值及ADC直方图参数的差异,将差异具有统计学意义的参数纳入多因素logistic回归分析构建联合模型,利用ROC曲线分析ADC值、全容积ADC直方图参数及两者联合模型的预测效能。采用DeLong检验比较各AUC间的差异。结果ADC值、ADC_(10%)、ADC_(90%)、ADC_(max)、ADC_(mean)、ADC_(median)及峰度在TDs阳性组和阴性组间差异具有统计学意义(P<0.05),以ADC_(90%)的预测效能最高(AUC、敏感度、特异度分别为0.778、80.0%、65.4%)。由ADC值、ADC_(10%)、ADC_(90%)、ADC_(mean)构建的联合模型AUC、敏感度、特异度分别为0.940、86.7%、93.8%,其诊断效能优于ADC值(AUC为0.645)及各全容积ADC直方图参数(AUC为0.649~0.778),差异均有统计学意义(P<0.05)。结论全容积ADC直方图参数及肿瘤最大层面的ADC值可用于术前预测直肠癌TDs,尤其当两者联合时具有较高的预测效能。

CT影像组学列线图模型预测胃肠道间质瘤危险度分级

目的:建立临床-CT影像组学列线图模型并验证其在术前预测胃肠道间质瘤(GIST)危险度分级的应用价值。方法:回顾性搜集266例经病理证实的GIST患者,并将其分为低恶性风险组和高恶性风险组。提取10个临床及CT图像特征(年龄、性别、肿瘤部位、大小、形态、边界、囊变或坏死、钙化、表面溃疡、强化方式)用于构建临床模型。对病例的CT图像分别特征提取,并分为平扫期(N)、动脉期(A)、静脉期(V)及影像3期(N+A+V)4组,对上述4组通过select percentile和最小绝对收缩与选择算子(LASSO)算法降维、筛选组学特征后,分别使用5种分类器(Random Forest、Logistic Regression、SVM、SGD、XGBoost)建立各期组学模型。采用受试者工作特征(ROC)曲线下面积(AUC)进行量化。使用Delong检验比较各模型间AUC值差异,得到最佳影像组学模型。然后组合临床模型和最佳影像组学模型建立临床-CT影像组学列线图模型。结果:肿瘤大小、部位、形态、边界、强化方式及有无囊变坏死在两组中有统计学差异(P<0.05),年龄、性别、有无钙化及溃疡在两组中无统计学差异(P>0.05)。肿瘤大小和强化方式2个临床特征LASSO权重系数最高分别为0.08、0.20,临床模型基于XGBoost分类器诊断效能最高,测试组AUC值为0.91(95%CI:0.83~0.96),平扫期组学模型基于SGD分类器诊断效能最高,测试组AUC值为0.84(95%CI:0.75~0.92),动脉期组学模型基于SVM分类器诊断效能最高,测试AUC值为0.87(95%CI:0.80~0.94),静脉期组学模型基于Random Forest分类器诊断效能最高,AUC值为0.84(95%CI:0.75~0.93),影像3期组学模型基于XGBoost分类器诊断效能最高,AUC值为0.88(95%CI:0.79~0.94),基于XGBoost分类器构建的临床-CT影像3期(N+A+V)的联合模型最佳,训练组和测试组的AUC分别达0.98(95%CI:0.97~0.99)、0.95(95%CI:0.89~0.98)。结论:临床-CT影像组学列线图模型在术前预测GIST的危险度分级上具有较高价值,从而为GIST的诊疗及预后判断提供参考。

浙江:地标兴农

“现国吐春芽,丛山漫绿纱。清晨来撷取,即日品新茶。”初夏时节,地理标志产品西湖龙井的采摘季已近尾声,茶农们正忙着晾晒茶叶,期盼今年能有个好收成。

双层探测器光谱CT定量参数联合常规CT特征的列线图术前预测结直肠癌肿瘤沉积的价值

目的探讨双层探测器光谱CT定量参数联合常规CT特征的列线图模型在术前预测结直肠癌肿瘤沉积(TDs)中的价值。方法本研究为病例对照研究。回顾性收集苏州大学附属第一医院2022年1月至2023年3月术前接受光谱CT腹部增强扫描且经病理确诊的126例结直肠癌患者,根据病理结果分为TDs阳性组(n=38)和TDs阴性组(n=88)。评估其常规CT特征,包括cT分期、cN状态、静脉期强化是否均匀、瘤周脂肪浸润(PFI)、肿瘤最大径以及肿瘤位置。测量并计算病灶动脉期、静脉期标准化碘浓度(NIC)、标准化有效原子序数(NZeff)、40~100 keV光谱曲线斜率(K)和动静脉期NIC差值。采用多因素logistic回归分析筛选出TDs的独立预测因素并构建基于光谱CT定量参数及常规CT特征的列线图模型,利用受试者操作特征曲线评估各参数及模型的预测效能,采用DeLong检验比较曲线下面积(AUC)的差异。结果TDs阳性组与TDs阴性组间cT分期、cN状态、静脉期强化是否均匀、PFI、静脉期NIC、静脉期NZeff、静脉期K和动静脉期NIC差值差异有统计学意义(P<0.05)。经过logistic回归分析,常规CT特征模型纳入2个特征,分别为静脉期强化不均匀(OR=9.602,95%CI 3.728~24.734,P=0.001)和PFI(OR=2.881,95%CI 1.177~7.049,P=0.020)。常规CT特征与光谱CT定量参数的联合模型纳入3个特征,分别为动静脉期NIC差值(OR=37.599,95%CI 8.320~169.912,P=0.001)、静脉期强化不均匀(OR=14.978,95%CI 3.848~58.295,P=0.001)、PFI(OR=4.013,95%CI 1.320~12.760,P=0.015),并构建列线图。列线图模型的预测TDs的AUC、灵敏度、特异度分别为0.919(95%CI 0.865~0.973)、84.2%、86.5%,常规CT特征模型预测TDs的AUC为0.796(95%CI 0.707~0.885),低于列线图模型,差异有统计学意义(Z=3.87,P=0.001)。结论双层探测器光谱CT可用于术前预测结直肠癌TDs,以光谱CT定量参数联合常规CT特征的列线图模型诊断效能最佳。

Value of nomogram based on quantitative parameters of dual-layer detector spectral CT and conventional CT features in preoperative prediction of tumor deposits in colorectal cancer

Objective To investigate the value of the nomogram based on quantitative parameters of dual-layer detector spectral CTand conventionalCT features in preoperatively predicting tumor deposits(TDs)in colorectal cancer.Methods This study was acasecontrol study.A total of 126 patients with pathologically confirmed colorectal cancer who underwent preoperative spectral CT scan from January 2022 to March 2023 in the First Affiliated Hospital of Soochow University were enrolled retrospectively.Patients were divided into TDspositive group(n=38)and TDs-negative group(n=88)based on pathological results.The following conventional CT features were assessed:cT stage,cN status,uniformity of enhancement in the venous phase,pericolorectal fat invasion(PFI),maximum tumor diameter,and tumor location.The following quantitative parameters were also measured andcalculated:theenormalizediodine concentration(NIC)of lesions,the normalized effective atomic number(NZerr),and the slope of the 40-100 keV spectral curve(K)in the arterial and venous phases,and the difference in NIC between the arterial and venous phases.

CT影像组学列线图模型预测胃肠道间质瘤Ki-67表达的临床研究

目的 建立临床-CT影像组学列线图模型并验证其在术前预测胃肠道间质瘤(GIST)Ki-67表达的应用价值。方法 回顾性搜集145例经病理证实的GIST患者,并将其分为Ki-67高表达组和低表达组(8%为临界值)。提取10个临床及CT图像特征(年龄、性别、肿瘤部位、大小、形态、边界、囊变或坏死、钙化、表面溃疡、强化方式)用于构建临床模型。对病例的CT图像分别特征提取,并分为平扫期(N)、动脉期(A)、静脉期(V)及影像三期(N+A+V)4组,对上述4组通过Select Percentile和最小绝对收缩与选择算子(LASSO)算法降维、筛选组学特征后,分别使用5种分类器建立各期组学模型。采用受试者工作特征曲线下面积(AUC)进行量化。使用DeLong检验比较各模型间AUC值差异,得到最佳影像组学模型。然后组合临床模型和最佳影像组学模型建立临床-CT影像组学列线图模型。结果 经比较基于XGBoost分类器构建的临床-CT影像三期(N+A+V)的联合模型最佳,具有较高的预测效能,其在训练组和测试组的AUC分别达0.99(95%CI:0.97~1.00)、0.82(95%CI:0.66~0.95)。结论 临床-CT影像组学列线图模型在术前预测GIST的Ki-67表达上具有较高价值,从而为GIST的诊疗及预后判断提供参考。