基于胸部增强CT影像组学模型用于胸腺瘤分类的研究

背景与目的:胸腺瘤术前分类对治疗决策很有帮助,但获取存在一定困难。本研究旨在建立基于增强对比计算机体层成像(contrast-enhanced computed tomography,CECT)影像组学的胸腺瘤风险分类训练模型,并验证其性能、可靠性和泛化能力。方法:本回顾性队列研究分析了在上海交通大学医学院附属胸科医院2008年1月—2017年12月接受胸腺瘤切除手术的患者(Masaoka-KogaⅠ~Ⅲ期)的临床资料。将患者随机分层为训练组(80%)和测试组(20%),将术后病理学检查结果作为金标准。低风险组织学类型包括A、AB和B1。高风险组织学类型包括B2和B3。手动分割术前CECT图像相关肿瘤区域并提取影像组学特征。使用最小绝对收敛和选择算子(least absolute shrinkage and selection operator,LASSO)回归进行特征选择,并将临床特征添加到联合模型中。模型性能指标包括受试者工作特征(receiveroperating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)、灵敏度和特异度。结果:共纳入478例患者(平均年龄51.3±12.3岁,男性占48.1%)。临床模型、基于CECT的影像组学模型和在测试集上使用临床和CT特征的模型AUC分别为0.666、0.831和0.850。性能最佳的模型的灵敏度为0.829,特异度为0.764。结论:基于术前CECT的影像组学模型在胸腺瘤风险分类中表现良好。