CT影像形态学特征对肺腺癌免疫表型术前预测的价值

目的探讨CT影像形态学特征对肺腺癌免疫表型的预测价值。方法回顾性分析302例经病理证实为浸润性肺腺癌病人的术前CT影像及临床资料。病人以7∶3的比例随机分为训练集(211例)及验证集(91例)。根据肺腺癌淋巴细胞密度和空间分布特点界定肿瘤免疫表型,并据此将病人分为热肿瘤组(训练集80例,验证集32例)及冷肿瘤组(训练集131例,验证集59例)。采用Kaplan-Meier法及Log-rank检验进行生存分析。采用单因素及多因素Logistic回归分析,构建基于CT影像形态学特征的肺腺癌免疫表型术前预测模型,采用受试者操作特征曲线下面积(AUC)评估模型的预测效能。结果Kaplan-Meier曲线提示,训练集及验证集中冷肿瘤组的无病生存期均较热肿瘤组缩短(训练集:P=0.001,验证集:P=0.005)。以病灶位置(周围/中央)、实性成分最大径、毛刺征(有/无)及边界(清晰/模糊)构建CT影像模型。在训练集和验证集中,预测模型的AUC分别为0.70(95%CI:0.60~0.83)、0.72(95%CI:0.63~0.77)。结论肺腺癌免疫表型可以辅助病理TNM分期对病人进行预后分层,以CT影像形态学特征构建的模型可以在术前良好预测肺腺癌免疫表型。

可视化影像决策模型在评估肺结节浸润程度中的价值

目的:探讨基于临床资料、影像征象和影像组学特征构建的联合模型在术前对肺结节浸润程度的预测价值,并通过决策热图及Shapley算法对模型进行可视化分析。方法:回顾性搜集2018年1月-2022年3月在本院经病理确诊的179例肺结节患者的临床资料和术前CT图像(肺窗平扫)。根据肺肿瘤新分类,分为腺体前驱病变组(78例)和浸润性肺腺癌组(101例)。采用Deepwise软件,分别提取瘤灶、瘤周3 mm和5 mm区域的影像组学特征。使用单因素分析、相关性分析、Boruta算法和逐步logistic回归分析等特征筛选算法确定各区域的最佳组学特征,然后采用logistics方法分别构建3个单区域及2个多区域(肿瘤+瘤周3 mm及肿瘤+瘤周5 mm)共5个影像组学模型,分析各模型的预测效能并计算其影像组学评分(Radsocre)。通过单因素和多因素logistic回归方法筛选相关临床指标和结节的主要CT征象,并采用XGBoost算法将筛选出的高危因素结合瘤灶+瘤周3 mm联合模型的影像组学得分构建临床影像联合模型。额外收集浙江省嘉兴市中医医院经病理证实的69例肺结节患者的临床和CT资料来完成联合模型的泛化性验证。利用决策热图和Shapley算法对模型分别进行可视化和特征贡献度分析。结果:相比单区域影像组学模型(训练集:AUC=0.740、0753、0.768;验证集:AUC=0.841、0.856、0.809),多区域影像组学模型在两个数据集中均显示出更高的预测效能(AUC=0.878和0.834)。XGBoost联合模型的预测效能得到进一步地提高(AUC=0.948和0.886)。Shapley分析显示影像组学得分、CT值和结节长度为预测肺结节浸润程度的最重要的3个特征。决策热图算法实现了对浸润性预测推演过程的可视化。结论:XGBoost模型对肺结节浸润性的评估具有较高的准确性和泛化性。决策热图实现了可解释机器学习算法的可视化从而保障了模型的实用性,为肺结节的临床处理及管理提供了一种无创性的辅助诊断工具。

CT特征联合人工智能定量参数评估ⅠA期肺腺癌高级别组织学亚型

目的探讨CT特征联合人工智能(AI)定量参数评估临床ⅠA期高级别肺腺癌(LADC)的价值。方法纳入482例ⅠA期LADC患者,以病理分级系统将其分为低级别组(n=366)和高级别组(n=116);比较组间临床及影像学主观特征及AI定量参数差异,以logistic回归分析筛选评估高级别LADC的独立因子,并构建主观特征模型、AI模型及联合模型;绘制受试者工作特征曲线,评估各模型诊断效能。结果对于评估高级别LADC,主观特征模型中的结节类型、实性成分占比及空气支气管征,AI模型的CT平均值及峰度,以及联合模型中的AI评分、实性成分占比及空气支气管征均为独立预测因子(P均<0.05)。主观特征模型、AI模型及联合模型评估高级别LADC的曲线下面积分别为0.886、0.885及0.901,联合模型评估效能优于主观特征模型及AI模型(P均<0.05)。结论CT特征联合AI定量参数有助于术前无创评估临床ⅠA期高级别LADC。

MRI形态学特征对T1-2期直肠癌淋巴结转移的预测价值

目的:探讨MRI主观形态学特征预测T1-2期直肠癌治疗前直肠系膜淋巴结转移的诊断价值。方法:回顾性分析119例经病理证实为T1-2期直肠癌患者的术前临床信息及MRI资料,随机分成训练组84例和验证组35例。由两名医师独立测量和评估原发肿瘤和淋巴结MRI主观形态特征。在训练组中通过单因素及多因素Logistic回归分析(逐步后退法),筛选T1-2期直肠癌淋巴结转移的独立预测因素,构建预测模型并以受试者工作曲线下面积(area under the curve,AUC)、准确度、灵敏度和特异度评价模型的预测效能。用Delong检验比较模型间的性能。结果:119例T1-2期直肠癌患者中,28例患者淋巴结转移(23.53%)。在训练组,单因素Logistic回归分析提示肿瘤是否含黏液成分、肿瘤黏膜下强化带、淋巴结的短径、淋巴结形状、淋巴结分布、淋巴结边缘化学位移效应(CSE)、边缘轮廓、内部信号以及T2加权成像淋巴结信号均具有统计学意义(P<0.05)。Logistic多元逐步后退分析结果提示,CSE不规则(OR=5.58,95%CI:1.48~21.01,P=0.01)、CSE消失(OR=11.62,95%CI:3.63~37.22,P<0.001)、内部信号紊乱(OR=8.34,95%CI:3.10~22.47,P<0.001)是T1-2期直肠癌淋巴结转移的独立预测因素。本预测模型的AUC、准确度、敏感度、特异度分别为0.92、0.89、0.85及0.91,本模型效能显著优于欧洲胃肠和腹部放射学会指南(ESGAR)预测水平(P=0.02)。在验证组,模型的AUC、准确度、敏感度、特异度分别为0.83、0.89、0.75及0.93。结论:与ESGAR指南预测水平相比,联合淋巴结边缘CSE和淋巴结内部信号的T1-2直肠癌淋巴结转移预测模型评估治疗前淋巴结是否转移更为简便并有更好的预测性能。

^(18)F-FDG PET/CT代谢参数预测初诊多发性骨髓瘤细胞遗传学分级的价值

目的:探讨^(18)F-氟脱氧葡萄糖(^(18)F-FDG)正电子发射计算机断层显像与计算机断层显像(PET/CT)代谢参数预测初诊多发性骨髓瘤(MM)细胞遗传学分级的价值。方法:收集在医院初次诊断为MM且影像和临床资料完备的86例MM患者资料。所有患者行骨髓穿刺后根据荧光原位杂交(FISH)技术检测结果分为高危细胞遗传学组(高危组,56例)和标危组(30例)。两组均于接受骨髓穿刺前或骨髓穿刺1周后行^(18)F-FDG PET/CT检查;根据多维尔评分法选取椎体、髂骨大于肝脏代谢参数40%、50%最大标准化摄取值(SUV_(max40)、SUV_(max50))、40%、50%平均瘦体重标准化摄取值(SUL_(mean40)、SUL_(mean50))及40%、50%标准化摄取值峰值(SUV_(peak40)、SUV_(peak50))的所有病灶为总阳性病灶,分析总阳性病灶平均值、总阳性病灶平均值与肝脏对应类型代谢参数的比值(T/N)预测高危细胞遗传学的独立因素。对预测价值最高的SUL_(mean50)T/N进行多因素Logistic回归分析。结果:高危组与标危组间代谢参数SUV_(max40)、SUV_(max50)、SUV_(meana40)、SUV_(mean50)、SUL_(mean40)、SUL_(mean50)、SUV_(max40)T/N、SUV_(max50)T/N、SUV_(mean40)T/N、SUV_(mean50)T/N、SUV_(peak40)T/N、SUV_(peak50)T/N、SUL_(max40)T/N、SUL_(max50)T/N、SUL_(mean40)T/N、SUL_(mean50)T/N、SUL_(peak40)T/N、SUL_(peak50)T/N差异均有统计学意义(Z=-2.243,Z=-3.448,Z=-2.243,Z=-3.466,Z=-2.138,Z=-4.204,Z=-2.134,Z=-4.173,Z=-2.931,Z=-2.741,Z=-3.797,Z=-3.933,Z=-2.283,Z=-4.467,Z=-2.347,Z=-4.485,Z=-3.371,Z=-3.239;P<0.05),代谢参数行受试者工作特征(ROC)曲线分析,SUV_(max50)为阈值的SUL_(mean50)T/N的ROC曲线下面积(AUC)为0.795,约登指数最大值为0.568,最佳截断点为1.013。基于方差膨胀系数(VIF)>10,提示代谢参数间存在共线性。连续变量和二分类变量SUL_(mean50)T/N均为预测MM高危细胞遗传学的独立危险因素(OR=57.538,OR=11.935;P<0.05),连续变量和二分类变量实验室检查指标血清乳酸脱氢酶(LDH)也是预测MM高危细胞遗传学的独立危险因素(OR=1.018,OR=1.017;P<0.05)。结论:MM在^(18)F-FDG PET/CT中T/N的代谢参数能较好地区分细胞遗传学分级,SUL_(mean50)T/N能较好地独立预测MM高危细胞遗传学,有望协助临床决策。

^(18)F-FDG PET/CT代谢参数标准化摄取值、瘦体重标准化摄取值与多发性骨髓瘤细胞遗传学分级的相关性

目的研究初诊多发性骨髓瘤患者阳性病灶的^(18)F-FDG PET/CT代谢参数与细胞遗传学分级的相关性。资料与方法回顾性收集2015年8月—2020年10月于广东省人民医院初诊为多发性骨髓瘤80例患者的^(18)F-FDG PET/CT影像资料,分为高危组54例和标危组26例,以多发性骨髓瘤阳性病灶的最大标准化摄取值(SUVmax)的40%、50%作为阈值,在阳性病灶和参考区(肝右后叶上段)测量代谢参数SUVmax、平均标准化摄取值(SUVmean)、标准化摄取值峰值(SUVpeak)、最大瘦体重标准化摄取值(SULmax)、平均瘦体重标准化摄取值(SULmean)、瘦体重标准化摄取值峰值(SULpeak),计算阳性病灶与肝脏对应代谢参数类型的比值(TLR),得到TLR代谢参数SUVmax TLR、SUVmean TLR、SUVpeak TLR、SULmax TLR、SULmean TLR、SULpeak TLR,并与同期荧光原位杂交检测的细胞遗传学分级进行组间代谢参数差异分析和相关性分析。结果40%、50%作为阈值的SUVmax、SUVmean、SULmean、SUVmax TLR、SUVmean TLR、SULmax TLR、SULmean TLR、SULpeak TLR在高危组与标危组间差异有统计学意义(Z=−3.205~−2.126,P=0.001~0.033)。相关性分析显示,40%、50%SUVmax为阈值的SUVmean TLR、SULmax TLR、SULmean TLR与细胞遗传学分组呈正相关(r_(s)=0.318~0.361,P=0.001~0.004)。结论多发性骨髓瘤的TLR代谢参数稳定性较好,SUVmax TLR、SULmax TLR、SULmean TLR与细胞遗传学分级呈正相关性,且50%为阈值的代谢参数相关性稍优于40%,对无创定量细胞遗传学有重要临床意义。

基于MRI影像组学的可解释性机器学习模型预测乳腺癌新辅助治疗病理完全缓解

目的探讨基于动态增强磁共振成像(DCE-MRI)肿瘤和瘤周影像组学联合临床病理特征构建模型预测乳腺癌新辅助治疗(NAT)后病理完全缓解的价值,并通过Shapley(SHapley Additive exPlanation)算法对模型进行可解释性分析。方法回顾性分析来自两家医院656例接受NAT治疗并进行手术切除的乳腺癌患者临床资料(训练组389例,内部验证组166例,外部验证组101例)。基于DCE-MRI肿瘤区域及瘤周5 mm区域提取并筛选影像组学特征,分别构建肿瘤模型、瘤周模型及肿瘤联合瘤周模型。通过单因素及多因素Logistic回归分析构建临床模型。最后,联合临床病理独立预测因子及肿瘤联合瘤周影像组学特征构建联合模型。采用受试者工作特征曲线评估模型效能。利用Shapley算法赋予最佳预测模型可解释性。结果基于肿瘤区域、瘤周区域分别筛选出16个及5个最佳影像组学特征并构建相应的模型,双区域特征联合筛选后保留了15个最佳影像组学特征构建肿瘤联合瘤周模型。临床T分期、HER2表达状态及分子分型均为预测乳腺癌NAT疗效的独立预测因子。联合模型在训练组、内部验证组及外部验证组的曲线下面积分别为0.849(95%CI:0.811~0.886)、0.819(95%CI:0.754~0.881)及0.864(95%CI:0.789~0.928),均高于临床模型、肿瘤模型、瘤周模型、肿瘤联合瘤周模型,差异均有统计学意义(P均<0.05)。Shapley分析显示放射学得分为模型最重要的特征。结论联合肿瘤、瘤周影像组学特征及临床病理信息所构建的临床影像联合模型可有效预测乳腺癌NAT治疗疗效。Shapley算法可提供个体水平的可解释性,保障模型的临床实用性。