目的建立一个基于临床特征和术前计算机断层扫描(CT)影像组学的预测模型辅助诊断囊腔型肺癌。方法回顾性分析2020年1月至2021年12月在青岛大学附属医院及济宁医学院附属医院接受手术治疗的患者,纳入病变中含有囊腔的患者296例,并分为囊...目的建立一个基于临床特征和术前计算机断层扫描(CT)影像组学的预测模型辅助诊断囊腔型肺癌。方法回顾性分析2020年1月至2021年12月在青岛大学附属医院及济宁医学院附属医院接受手术治疗的患者,纳入病变中含有囊腔的患者296例,并分为囊腔型肺癌和良性病变两组。从术前CT图像上提取病灶的影像组学特征,并综合分析临床病理特征。将上述特征进行筛选后以随机森林算法构建诊断模型,其中来自青岛大学附属医院的214例患者进行训练和内部验证(D1)。其余82例来自济宁医学院附属医院的患者作为独立的外部验证队列(D2)。通过受试者工作特征曲线(ROC)、校准曲线及决策曲线分析(DCA)对模型的分类能力进行评估。结果囊腔型肺癌组患者年龄高于良性病变组(60.12±9.95 vs 50.86±13.66,P<0.001),其余临床特征差异无统计学意义。影像组学特征经筛选后获得形状平坦度、稳健平均绝对偏差、差异方差等5种影像组学纹理特征。临床与影像组学特征融合后构建随机森林模型在D1(AUC 0.97)和D2(AUC 0.74)上均显示出较好的诊断效能,在D1中的准确性、敏感性与特异性分别为0.92、0.85和0.99。结论构建并外部验证了一个实用的诊断模型,可以比较准确地区分囊腔型肺癌和囊腔样良性病变。这种创新的方法可作为囊腔型肺癌的一种新的无创诊断工具。展开更多
文摘目的建立一个基于临床特征和术前计算机断层扫描(CT)影像组学的预测模型辅助诊断囊腔型肺癌。方法回顾性分析2020年1月至2021年12月在青岛大学附属医院及济宁医学院附属医院接受手术治疗的患者,纳入病变中含有囊腔的患者296例,并分为囊腔型肺癌和良性病变两组。从术前CT图像上提取病灶的影像组学特征,并综合分析临床病理特征。将上述特征进行筛选后以随机森林算法构建诊断模型,其中来自青岛大学附属医院的214例患者进行训练和内部验证(D1)。其余82例来自济宁医学院附属医院的患者作为独立的外部验证队列(D2)。通过受试者工作特征曲线(ROC)、校准曲线及决策曲线分析(DCA)对模型的分类能力进行评估。结果囊腔型肺癌组患者年龄高于良性病变组(60.12±9.95 vs 50.86±13.66,P<0.001),其余临床特征差异无统计学意义。影像组学特征经筛选后获得形状平坦度、稳健平均绝对偏差、差异方差等5种影像组学纹理特征。临床与影像组学特征融合后构建随机森林模型在D1(AUC 0.97)和D2(AUC 0.74)上均显示出较好的诊断效能,在D1中的准确性、敏感性与特异性分别为0.92、0.85和0.99。结论构建并外部验证了一个实用的诊断模型,可以比较准确地区分囊腔型肺癌和囊腔样良性病变。这种创新的方法可作为囊腔型肺癌的一种新的无创诊断工具。