目的:基于CT影像组学预测实性非小细胞肺癌(non-small cell lung cancer,NSCLC)组织细胞程序性死亡-配体1(programmed death ligand 1,PD-L1)蛋白表达状态的价值。方法:回顾性分析经病理证实为NSCLC且影像学上肿瘤表现为实性的患者116例...目的:基于CT影像组学预测实性非小细胞肺癌(non-small cell lung cancer,NSCLC)组织细胞程序性死亡-配体1(programmed death ligand 1,PD-L1)蛋白表达状态的价值。方法:回顾性分析经病理证实为NSCLC且影像学上肿瘤表现为实性的患者116例,其中鳞癌55例,腺癌61例,分析其临床与影像资料,筛选临床独立预测因子并构建临床模型。将图像导出并对其平扫及动脉期图像进行配准,手动逐层勾画肿瘤的感兴趣区域并提取影像组学特征,经过特征筛选后构建影像组学模型并计算每例患者影像组学评分,将影像组学评分与临床独立预测因子进行联合构建列线图。使用受试者工作特征曲线(receiver operating characteristic curve,ROC)的曲线下面积(area under the curve,AUC)评估模型诊断效能,使用决策分析曲线(decision curve analysis,DCA)评价模型的临床效用,利用DeLong检验评估模型之间差异。此外,按鳞癌和腺癌两种病理分型进行分组并进行亚组分析。结果:空洞和影像组学评分是预测PD-L1表达的临床独立预测因子(空洞有优势比为3.624,影像组学优势比为2.532)。列线图的诊断表现(训练组AUC vs验证组AUC:0.861 vs 0.803)优于影像组学模型(AUC:0.847 vs 0.777)和临床模型(AUC:0.608 vs 0.570)。决策曲线表明,列线图相比与临床模型和影像组学模型具有更高的临床应用价值。亚组分析中,列线图仍然具有很好的诊断效能,且在鳞癌组中的诊断效能优于腺癌组。结论:CT影像组学列线图能够在术前有效的预测实性NSCLC组织PD-L1蛋白表达状态,能够为临床方案选择和术前决策提供帮助。展开更多
文摘目的:基于CT影像组学预测实性非小细胞肺癌(non-small cell lung cancer,NSCLC)组织细胞程序性死亡-配体1(programmed death ligand 1,PD-L1)蛋白表达状态的价值。方法:回顾性分析经病理证实为NSCLC且影像学上肿瘤表现为实性的患者116例,其中鳞癌55例,腺癌61例,分析其临床与影像资料,筛选临床独立预测因子并构建临床模型。将图像导出并对其平扫及动脉期图像进行配准,手动逐层勾画肿瘤的感兴趣区域并提取影像组学特征,经过特征筛选后构建影像组学模型并计算每例患者影像组学评分,将影像组学评分与临床独立预测因子进行联合构建列线图。使用受试者工作特征曲线(receiver operating characteristic curve,ROC)的曲线下面积(area under the curve,AUC)评估模型诊断效能,使用决策分析曲线(decision curve analysis,DCA)评价模型的临床效用,利用DeLong检验评估模型之间差异。此外,按鳞癌和腺癌两种病理分型进行分组并进行亚组分析。结果:空洞和影像组学评分是预测PD-L1表达的临床独立预测因子(空洞有优势比为3.624,影像组学优势比为2.532)。列线图的诊断表现(训练组AUC vs验证组AUC:0.861 vs 0.803)优于影像组学模型(AUC:0.847 vs 0.777)和临床模型(AUC:0.608 vs 0.570)。决策曲线表明,列线图相比与临床模型和影像组学模型具有更高的临床应用价值。亚组分析中,列线图仍然具有很好的诊断效能,且在鳞癌组中的诊断效能优于腺癌组。结论:CT影像组学列线图能够在术前有效的预测实性NSCLC组织PD-L1蛋白表达状态,能够为临床方案选择和术前决策提供帮助。