基于超声影像组学模型对肝细胞癌肿瘤分化等级的评估价值

目的探究肝细胞癌(hepatocellular carcinoma,HCC)不同分化等级患者的超声影像组学特征及其对肿瘤分化等级的诊断价值。方法选择2021年3月至2023年3月于广元市第一人民医院就诊并经穿刺活检或手术证实为HCC的212例患者为研究对象纳入训练集,根据肿瘤分化等级将患者分为高分化组(Ⅰ、Ⅱ级,138例)和低分化组(Ⅲ、Ⅳ级,74例),比较两组患者的临床资料,包括性别、年龄、吸烟、饮酒、肝癌家族史、肿瘤直径、病变部位、临床分期、Child-Pugh分级、乙型肝炎、肝硬化、肿瘤包膜、淋巴结肿大、天门冬氨酸氨基转移酶(aspartate aminotransferase,AST)、丙氨酸氨基转移酶(alanine aminotransferase,ALT)、总胆红素、白蛋白、血小板、Ki-67、甲胎蛋白(alpha fetoprotein,AFP)。按照相同纳入与排除标准另选取本院同期收治的60例HCC患者纳入验证集,用于模型的外部验证。采用多因素Logistic回归分析患者肿瘤低分化的影响因素;采集患者的超声图像并提取影像组学特征,采用LASSO回归算法筛选与肿瘤分化等级高度相关的超声影像组学特征(F),并获得其系数(α);采用受试者工作特征(receiver operator characteristic,ROC)曲线分析临床参数模型、超声影像组学评分模型及联合模型的效能;采用R软件构建预测HCC患者肿瘤低分化的列线图模型,采用ROC曲线评价列线图模型的区分度,分别采用校准曲线和临床决策曲线评价列线图模型的准确性和有效性。结果Logistic回归分析表明肝硬化(OR=1.720,95%CI:1.183~2.311,P=0.010)、血小板≥183.69×10^(9)/L(OR=1.418,95%CI:1.051~1.932,P=0.025)、Ki-67阳性(OR=1.552,95%CI:1.363~1.770,P=0.017)、AFP阳性(OR=2.021,95%CI:1.230~2.786,P<0.001)是HCC患者肿瘤低分化的危险因素,AST≥55.14 U/L为保护因素(OR=0.511,95%CI:0.119~0.878,P=0.002)。经LASSO回归算法共筛选出9个超声影像组学特征,超声影像组学评分=-1.071+∑_(i-1)^(9)a_(i)×F_(i)。训练集中临床参数模型、超声影像组学评分模型及联合模型的ROC曲线下面积分别为0.702(95%CI:0.638~0.775,P<0.001)、0.805(95%CI:0.814~0.893,P<0.001)和0.914(95%CI:0.846~0.972,P<0.001);验证集中3种模型的ROC曲线下面积分别为0.712(95%CI:0.659~0.782,P<0.001)、0.793(95%CI:0.745~0.839,P<0.001)和0.895(95%CI:0.846~0.951,P<0.001);训练集和验证集超声影像组学评分模型均优于临床参数模型(z=2.502、2.475,P=0.024、0.031),且联合模型的预测性能更优(z=2.782、2.686,P=0.011、0.018)。训练集和验证集列线图模型的ROC曲线下面积分别为0.914(95%CI:0.873~0.955,P<0.001)和0.905(95%CI:0.836~0.934,P<0.001),敏感度分别为89.72%和85.43%,特异度分别为87.24%和80.58%,列线图模型的区分度较好;训练集和验证集列线图模型预测HCC患者肿瘤低分化风险与实际观测值拟合良好(Hosmer-Lemeshow检验χ^(2)=2.502、2.388,P=0.112、0.096),模型预测的准确性较好;训练集和验证集中,高风险阈值在0.01~1.00内时列线图模型曲线的净获益值均>0,且远离肿瘤低分化参考线和肿瘤高分化参考线2条极端曲线,表明列线图模型对HCC患者肿瘤分化等级鉴别的临床应用价值较高,有效性较好,实用性较强。结论超声影像组学特征与HCC肿瘤分化等级密切相关,超声影像组学模型可用于预测HCC患者肿瘤低分化状态。