基于PET/CT影像组学预测食管癌新辅助放化疗疗效

目的探讨基于PET/CT影像组学模型预测局部晚期食管癌新辅助放化疗疗效。方法回顾性分析230例行新辅助放化疗局部晚期食管癌患者PET/CT及临床资料,手动分割病灶感兴趣区ROI、提取特征,并采用多种机器学习模型构建预测模型。受试者工作特征曲线(ROC)评价模型预测效能,构建疗效预测诺模图,决策曲线(DCA)校准曲线评价模型临床获益及模型一致性。结果共从ROI中提取1157个影像组学特征,共筛选出12个组学特征用于构建影像组学模型,最终筛选出最佳模型为LR机器学习模型,LR机器学习模型在训练集和测试集上的AUC分别为0.914(95%CI:0.824~1.000)、0.873(95%CI:0.768~0.979)。诺模图模型直观地呈现预测模型中的变量对局部晚期食管癌患者nCRT的预测价值。DCA曲线显示诺模图模型的临床应用价值较高。绘制校准曲线显示,诺模图模型的预测值与实际观察值之间的一致性良好。结论基于PET/CT的影像组学模型对局部晚期食管癌nCRT具有良好预测效能。

^(18)F-FDG PET/CT影像组学预测胃癌患者HER-2表达状态研究

目的 探讨联合^(18)F-FDG PET/CT常规代谢参数和影像组学特征构建的模型在预测患者胃癌HER-2(human epidermal grouth factor receptor 2)表达状态中的应用价值。方法 回顾性分析兰州大学第二医院和甘肃省人民医院经病理证实为胃癌的110例患者,治疗前均行^(18)F-FDG PET/CT检查。将兰州大学第二医院的病例以7∶3随机分为训练集(n=61)和内部验证集(n=26),以甘肃省人民医院数据(n=23)为外部验证集。在训练集中,采用LASSO回归和10折交叉算法筛选PET常规参数和影像组学特征,通过Logistic回归分别建立PET模型、组学模型及组合模型。应用受试者工作特征曲线(receiver operating characteristic, ROC)及DeLong检验评价和比较模型的预测效能,通过决策曲线分析模型的临床价值,校准曲线观察拟合效果。结果基于3、2、5个特征分别构建PET模型、组学模型和组合模型。ROC曲线显示3种模型均具有良好的预测效能,DeLong检验显示,训练集中,组合模型和组学模型差异有统计学意义(P<0.05),而PET模型和组学模型差异无统计学意义(P>0.05);内、外部验证集中,3种模型差异均无统计学意义(P>0.05)。校准曲线显示各模型均具有良好拟合效果,临床决策曲线显示组合模型较另两种模型具有较高的临床实用价值。结论^(18)F-FDG PET/CT影像组学和临床特征联合对胃癌患者的HER-2表达状态具有良好的预测价值。

18F-FDG PET/CT影像组学对肺腺癌KRAS突变的预测价值

目的探讨18F-脱氧葡萄糖(FDG)PET/CT影像组学对肺腺癌鼠类肉瘤病毒癌基因(KRAS)突变的预测价值。方法回顾性收集2019年1月至2022年5月收治于我院行18F-FDG PET/CT检查的120例肺腺癌患者影像及病理资料,采用横断面分层法将患者分为建模组(80例)和验证组(40例),将建模组患者按照KRAS基因是否突变分为突变组(22例)和野生组(58例),比较两组患者临床资料及影像学特征;并根据临床资料和影像组学特征建立临床(Clinic)模型、影像组学(Rad)模型和联合(Combine)模型对肺腺癌患者KRAS基因突变进行预测。采用受试者工作特征(ROC)曲线、校准曲线和临床决策曲线对三种模型的预测价值进行评估。结果建模组患者Clinic模型=1.168+0.976×性别+0.041×年龄+1.298×吸烟史;Rad模型=1.451+1.412×orig_shape_MAL+1.274×wave_LHH_GLSZM_GLNU+0.925×wave_HHH_GLDM_DE+0.753×wave_HLL_FO_Minimum+1.168×wave_HHH_FO_TE;Combine模型=0.943+0.305×性别+0.351×年龄+0.941×吸烟史+0.795×Rad-score。建模组和验证组ROC曲线显示三种模型均具有良好的预测效能,Delong检验发现,建模组和验证组Combine模型ROC曲线下面积均显著高于Rad和Clinic(均P<0.05)。校准曲线显示各模型在建模组与验证组中均具有良好拟合效果。临床决策曲线显示Combine模型在建模组和验证组中较另两种模型具有较高的临床实用价值。结论18F-FDG PET/CT影像组学和临床特征联合对肺腺癌患者KRAS突变具有良好的预测价值。

基于^(18)F-FDG PET/CT影像组学在食管癌诊疗中的应用进展

食管癌是消化道常见的恶性肿瘤之一,我国食管癌的治疗模式逐步向精准医学理念指导下的个体化多学科综合治疗模式演化。^(18)F-氟代脱氧葡萄糖(^(18)F-FDG)正电子发射体层成像(PET)/CT在食管癌的诊断及精准分期中起重要作用。但传统PET/CT图像仍存在一定局限性。近年来,影像组学发展迅猛,采用PET/CT影像组学方法提取食管癌相应区域的图像特征获得了海量数据特征,并将其与患者的病灶信息、疗效、预后、生存期等临床参数结合后建立定量关系,最终将其应用于食管癌早期诊断、疗效评估及预测预后等方面。未来还需深入研究^(18)F-FDG PET/CT影像组学在食管癌诊疗中的应用。

^(18)F-FDG PET/CT影像组学对肺腺癌KRAS突变的预测价值

目的 探讨18F-脱氧葡萄糖(FDG)PET/CT影像组学对肺腺癌鼠类肉瘤病毒癌基因(KRAS)突变的预测价值。方法 回顾性收集2019年1月至2022年5月收治于我院行^(18)F-FDG PET/CT检查的120例肺腺癌患者影像及病理资料,采用横断面分层法将患者分为建模组(70例)和验证组(40例),将建模组患者按照KRAS基因是否突变分为突变组(22例)和野生组(58例),比较两组患者临床资料及影像学特征;并根据临床资料和影像组学特征建立临床(clinic)模型、影像组学(rad)模型和联合(combin e)模型对肺腺癌患者KRAS基因突变进行预测。采用受试者工作特征(ROC)曲线、校准曲线和临床决策曲线对三种模型的预测价值进行评估。结果 建模组患者Clinic模型=1.168+0.976×性别+0.041×年龄+1.298×吸烟史;Rad模型=1.451+1.412×orig_shape_MAL+1.274×wave_LHH_GLSZM_GLNU+0.925×wave_HHH_GLDM_DE+0.753×wave_HLL_FO_Minimum+1.168×wave_HHH_FO_TE;Combine模型=0.943+0.305×性别+0.351×年龄+0.941×吸烟史+0.795×Rad-score。建模组和验证组RO C曲线显示三种模型均具有良好的预测效能,Delong检验发现,建模组和验证组com bine模型ROC曲线下面积均显著高于rad和clinic(均P<0.05)。校准曲线显示各模型在建模组与验证组中均具有良好拟合效果。临床决策曲线显示combine模型在建模组和验证组中较另两种模型具有较高的临床实用价值。结论 ^(18)F-FDG PET/CT影像组学和临床特征联合对肺腺癌患者KRAS突变具有良好的预测价值。

基于^(18)F-FDG PET/CT影像组学模型预测局部晚期宫颈癌的放疗敏感性

目的构建基于^(18)F-FDG PET/CT图像的影像组学模型,并分析其预测局部晚期宫颈癌(locally advanced cervical cancer,LACC)放疗敏感性的效能。方法收集2018年1月至2022年12月于广西医科大学附属肿瘤医院妇科行根治性放疗的宫颈癌患者的临床资料,按8:2随机划分为训练集(169例)和测试集(43例),采集治疗前的PET/CT图像,手动勾画感兴趣区,提取影像组学特征。将特征正则化,采用组内相关系数、Pearson相关性分析、最小绝对收缩和选择算子回归进行组学特征筛选,获得组学特征及其系数加权并计算每个患者的Radscore值,比较放疗敏感组和抵抗组间Radscore值的差异。分别构建PET、CT及PE/CT联合的Logistic regression(LR)机器学习模型,通过受试者工作特征曲线(receiver operating characteristic,ROC)、校准曲线、决策曲线(decision curve analysis,DCA)分析对模型进行评估。结果本研究共纳入212例LACC患者,抵抗组的Radscore值显著高于敏感组,差异有统计学意义(P<0.001)。在训练集和测试集上,PET/CT联合模型的ROC曲线下面积分别为0.900(95%CI:0.832~0.968)、0.754(95%CI:0.569~0.939),预测效能均优于单一的PET或CT模型。DCA曲线显示,与不使用预测模型的情况相比,基于PET/CT的影像组学预测模型表现出显著的干预获益,在放疗前预测LACC敏感性方面具有较好的临床效益。绘制校准曲线显示,3种模型的预测值与实际观察值之间的一致性均良好。结论基于PET/CT的影像组学模型对LACC放疗敏感性具有良好的预测价值。

^(18)F-FDG PET/CT影像组学预测晚期非小细胞肺癌预后的价值

目的探讨基于^(18) F-FDG PET/CT的影像组学模型预测晚期非小细胞肺癌预后的价值。方法186例治疗前接受^(18) F-FDG PET/CT的NSCLC患者按照7∶3比例随机分配到训练组(n=134)和验证组(n=52)。使用LIFEx软件获取PET和CT图像的影像组学特征,然后基于PFS和OS选择最优参数构建临床和复杂模型并进行验证。结果以PFS为研究终点,单因素分析显示PD-L150%、TNM分期、病理类型、吸烟史、远处转移、淋巴结转移、SUVmax、Rad-score是影响患者PFS的因素(均P<0.05)。Cox多因素分析显示,TNM分期、吸烟史、Rad-score是影响PFS的独立预后因素(均P<0.05)。以OS为研究终点,单因素分析显示TNM分期、病理类型、SUVmax、吸烟史、远处转移、Rad-score等因素影响患者OS(均P<0.05)。Cox多因素分析显示TNM分期、SUVmax、吸烟史、Rad-score是影响患者OS的因素(均P<0.05)。训练组中影像组学模型、临床模型及复杂模型3种模型预测晚期NSCLC患者PFS其各自的AUC值分别为0.754、0.614和0.784,验证组中3种模型的AUC值分别为0.792、0.615和0.800。预测晚期NSCLC患者OS训练组的3种模型AUC值分别为0.844、0.718和0.901,验证组中其AUC值分别为0.847、0.514和0.858。结论^(18) F-FDG PET/CT影像组学联合临床因素的复杂模型对晚期NSCLC的预后具有较好的预测价值。

基于18F-FDG PET/CT影像组学的非小细胞肺癌病理亚型分类

目的:旨在建立一种基于18F-FDG PET/CT的临床—影像组学相结合的综合模型用于区分非小细胞肺癌中的腺癌和鳞癌。方法:回顾性收集上海交通大学附属胸科医院120例经病理学验证为腺癌(65例)和鳞癌(55例)的患者,从预处理的CT图像和PET图像中分别提取1218、108个影像组学特征,并纳入10个临床特征因素;卡方检验和Wilcoxon检验用于对临床特征进行筛选,并使用Relief算法和最小绝对收缩和选择算子(LASSO)对影像组学特征进行筛选;通过6种机器学习分类器分别建立临床、影像组学、综合模型。通过受试者工作特征(ROC)曲线及曲线下面积(AUC)来评价模型的分类能力。结果:综合模型在训练集和测试集中均表现出最高的AUC值和准确率,其中随机森林(RF)和Bagging分类器表现出的分类效果最佳。经五折交叉验证后,训练集中RF和Bagging的AUC值和准确率分别为0.92±0.03、0.86±0.06和0.92±0.02、0.83±0.02;测试集中RF和Bagging的AUC值和准确率分别为0.92、0.81和0.91、0.86。结论:结合18F-FDG PET/CT临床特征和影像组学特征的分类预测模型可以很好地区分腺癌、鳞癌。

^(18)F-FDG PET/CT影像组学预测晚期非小细胞肺癌化疗预后的价值

目的:探讨^(18)F-FDG PET/CT影像组学特征预测晚期非小细胞肺癌(non-small cell lung cancer,NSCLC)化疗预后的价值。方法:本项目回顾性研究了146例治疗前行^(18)F-FDG PET/CT检查的Ⅲ期、Ⅳ期NSCLC病例,全部病例在PET/CT检查后都进行了规范化化疗,按8∶2比率将病例随机分为训练组和测试组,并提取影像组学特征。在训练组中应用最小绝对收缩和选择算子(LASSO)算法和Cox风险比例回归模型分别筛选预测无进展生存(Progression-free survival,PFS)的影像组学特征和临床特征,分别建立影像组学模型、临床模型及二者结合的复合模型,计算影像组学评分(Rad-score)、临床评分及复合评分,并在测试组中进行检验。结果:LASSO算法最终筛选出4个影像组学特征,ROC结果表明:影像组学模型在训练组中预测PFS的AUC为0.746,测试组AUC为0.622。COX多因素分析共纳入了3种与PFS相关的临床特征,分别是病理类型、临床分期及MTV30。临床模型、影像组学模型及复合模型预测NSCLC患者化疗后PFS的ROC曲线下面积分别为0.746、0.753、0.716,以影像组学模型诊断效能最高,其灵敏度及特异度分别为0.663及0.833。Delong检验验证影像组学模型与复合模型(Z=1.777,P=0.076)及临床模型(Z=0.323,P=0.747)间的预测效能无统计学差异。结论:PET/CT影像组学模型对晚期NSCLC的化疗预后具有较好的预测价值。

^(18)F-FDG PET/CT影像组学预测非小细胞肺癌亚型的研究

目的:探究基于治疗前^(18)F-FDG PET/CT影像组学特征预测非小细胞肺癌(NSCLC)病理亚型的可行性。方法:回顾性分析100例NSCLC患者治疗前的^(18)F-FDG PET/CT图像,其中腺癌60例,鳞癌40例。首先在PET图像上勾画大体肿瘤靶区(GTV),从GTV内提取肿瘤代谢参数和纹理参数。使用Pearson相关系数和ROC曲线评估特征预测NSCLC病理亚型的效能,并计算其敏感性、特异性和最佳阈值。结果:共提取107个特征,有87个特征在鳞癌与腺癌之间差异有统计学意义(P<0.05)。其中,有8个特征与病理类型具有相关性(r>0.4),AUC均高于0.7。逆差矩、同质性、短区域因子作为预测因子,其ROC曲线下面积分别达到0.770、0.768和0.754,其敏感性和特异性分别为0.949和0.475、0.795和0.607、0.821和0.639。结论:腺癌、鳞癌的部分影像组学特征反应的肿瘤异质性有望为病理诊断提供一种高效、无创的检测方法。

基于人工智能的PET/CT影像组学在临床肿瘤诊疗中的研究进展

近年来,影像组学与人工智能技术为医学影像领域的研究提供了新的分析工具。本文对基于人工智能的影像组学技术在正电子发射体层成像(positron emission tomography,PET)/计算机体层成像(computed tomography,CT)分析中的相关研究进展进行综述,以期为进一步的PET/CT精准医学分析提供参考。首先,概述基于人工智能的PET/CT影像组学技术的两类不同的思路与方法;其次,归纳PET/CT影像组学分析在临床肿瘤诊疗中的各类典型应用,并对其优缺点进行梳理;最后,列举该领域现阶段存在的问题与面临的挑战,并展望未来更有价值的研究方向。基于人工智能的PET/CT影像组学在临床肿瘤诊疗中已经取得了一些引人注目的研究成果与进展,但若要应用于临床,还需更深入的研究与探索。

PET/CT影像组学研究现状、进展及临床应用

影像组学概念于2012年首次提出,现已在计算机体层成像(computed tomography,CT)、磁共振成像(magnetic resonance imaging,MRI)及超声检查、诊断等研究应用领域取得迅速发展。正电子发射体层成像(positron emission tomography,PET)/CT影像组学的研究应用同样取得了长足进步,迄今为止已成功应用于头颈部、胸部、腹盆部等肿瘤的诊断、分期、疗效判断、预后预测及影像基因组学等诸多领域。本文对PET/CT影像组学的概念、工作流程、临床应用进展、发展趋势及面临挑战进行系统综述。

基于增强CT影像组学预测食管鳞癌淋巴血管侵犯状态的价值

目的:探讨基于增强CT影像组学预测食管鳞癌(ESCC)淋巴血管侵犯(LVI)的价值。方法:回顾性搜集行根治性切除术并经术后病理证实的224例食管鳞癌患者,其中包括66例LVI阳性和158例LVI阴性患者。所有患者均在术前2周内进行胸部增强CT扫描。将入组的患者按照7:3的比例随机分为训练集和测试集。使用3D Slicer软件逐层勾画全肿瘤感兴趣区(ROI),采用Python软件的Pyradiomics包提取肿瘤组织的影像组学特征,建立影像组学模型用于预测食管鳞癌的LVI状态并进行验证。采用受试者工作特征(ROC)曲线的曲线下面积(AUC)、敏感度、特异度、准确度、阳性预测值和阴性预测值来评价影像组学模型的诊断效能,使用校准曲线评价影像组学模型在训练集和测试集中的拟合程度。使用决策曲线分析(DCA)评价影像组学模型的临床应用价值。结果:从全肿瘤ROI中提取了1130个组学特征,经过筛选最终保留了7个影像组学特征,并使用多因素logistic回归建立影像组学预测模型。在训练集中,影像组学模型预测LVI的AUC值为0.930,敏感度为0.851,特异度为0.919,准确度为0.899,阳性预测值为0.816,阴性预测值为0.936;在测试集中,AUC值为0.897,敏感度为0.789,特异度为0.787,准确度为0.788,阳性预测值为0.600,阴性预测值为0.902。校准曲线显示影像组学模型在训练集及测试集中的预测概率与实际概率的一致性良好。DCA曲线显示影像组学模型具有良好的临床应用价值。结论:基于增强CT构建的影像组学模型,能够在术前有效预测食管鳞癌的LVI状态。

基于CT影像组学预测甲状腺乳头状癌甲状腺外侵犯的价值

目的:探究CT影像组学预测甲状腺乳头状癌(Papillary Thyroid Cancer,PTC)发生甲状腺外侵犯(Extrathyroidal Extension,ETE)的评估价值。方法:选取2021年10月至2022年10月于我院收治的PTC患者140例作为研究对象,采用随机数法按7∶3比例将患者分为训练集(n=98)和测试集(n=42),依据其是否发生ETE将训练集患者分为ETE组(n=55)和non-ETE组(n=43),基于CT影像组学评分及多元Logistic回归模型分析影响PTC患者发生ETE的关键因素,模型中纳入的变量基于单因素分析的结果,并采用逐步回归方法进行变量筛选。模型的拟合优度通过Hosmer-Lemeshow拟合优度检验进行评估。ROC曲线用于评估模型的区分能力,而校准曲线则用于评估模型的预测准确度。结果:两组患者在肿瘤边界、桥本甲状腺炎、中央区淋巴结转移、多灶性、肿瘤最大径、颈侧区淋巴结转移、年龄方面差异有统计学意义(均P<0.05);多元Logistic回归模型结果表明肿瘤最大径、多灶、颈部淋巴结转移、年龄、平扫Rad-score、增强扫描Rad-score是影响PTC患者发生ETE的独立危险因素;并基于CT影像组学评分和其独立危险因素绘制列线图,ROC曲线、校准曲线结果显示该预测模型区分度和准确度较好。训练集(AUC=0.962)和测试集(AUC=0.937)的AUC值均接近1,表明该预测模型具有良好的区分能力,能够准确地区分发生ETE和未发生ETE的PTC患者。这为临床医生在制定治疗方案和评估患者预后提供了重要的参考依据。结论:临床医师对于年龄≥55岁、肿瘤最大径>2.0 cm、伴有多灶、颈部淋巴结转移PTC患者,基于CT影像组学可较好地预测ETE发生风险,可为临床提供参考依据。

CT影像组学可辅助诊断慢性乙型肝炎肝纤维化

目的 探讨CT影像组学对慢性乙型肝炎(CHB)肝纤维化的诊断价值。方法 选取新疆维吾尔自治区人民医院于2023年1~10月收治的210例CHB患者为研究对象。根据患者是否发生肝纤维划分为无纤维化组(n=137)和合并纤维化组(n=73)。所有患者均接受CT平扫+增强扫描,应用Shukun Radiomics V94软件自每张CT图像的感兴趣区域内提取不同的CT影像组学特征。将入组患者划分为训练集(n=147)和验证集(n=63),通过LASSO及Logistic回归分析筛选并建立CHB患者肝纤维化的诊断模型;采用ROC曲线评价模型性能。结果 提取的1227个定量影像特征参数通过LASSO降维筛选后共保留了23个具有预测性能的组学特征用于构建CHB患者肝纤维化诊断模型,训练集的曲线下面积、准确性、敏感度和特异度分别为0.851、0.789、0.792、0.735;验证集的曲线下面积、准确性、敏感度和特异度分别为0.774、0.733、0.751、0.703。结论 通过CT影像组学特征辅助诊断CHB患者发生肝纤维化具有一定临床价值。

CT影像组学在预测宫颈癌同步放化疗临床转归中的价值

目的:探究CT影像组学对宫颈癌同步放化疗临床转归的预测价值。方法:回顾性分析南京医科大学附属常州二院2017年9月至2021年12月,经病理证实为宫颈癌并采用同步放化疗治疗的121例患者的CT影像和临床资料。其中,按照2.5∶1比例将患者分为训练组86例、验证组35例。对所有病灶进行肿瘤病灶感兴趣区(ROI)勾画,再从ROI中提取影像组学特征。随后采用最小冗余最大相关性(mRMR)和最小绝对收缩选择算子(LASSO)筛选最优的影像组学特征,计算影像组学分数,最终使用受试者工作特征(ROC)曲线评估模型的效能。结果:经mRMR与LASSO后筛选出3个影像组学特征用以建立影像组学评分。ROC曲线下面积训练组为0.85,验证组为0.85。结论:基于CT影像组学特征回归模型可用于预测宫颈癌同步放化疗临床转归。

冠状动脉CT血管造影影像组学用于冠心病研究进展

冠状动脉CT血管造影(CCTA)是无创评估冠心病(CAD)及预测其风险分层的一线检查方法,对于识别冠状动脉斑块、评估血管周围脂肪组织、识别心肌缺血等具有重要临床价值。影像组学可提取高通量医学图像定量特征,具有广阔应用前景。本文对CCTA影像组学用于CAD研究进展进行综述。

基于能谱CT碘图的影像组学诊断甲状腺乳头状癌颈部淋巴结转移的价值

目的:探讨基于能谱CT碘图的影像组学特征对甲状腺乳头状癌患者颈部转移性淋巴结的诊断价值。方法:收集术前两周行颈部能谱CT检查的甲状腺乳头状癌患者,共纳入117枚转移性和176枚非转移性淋巴结,按照3︰1的比例随机分为训练集和验证集。从静脉期碘图中提取并筛选淋巴结的影像组学特征。采用Logistic回归分别建立影像组学模型、常规CT图像特征模型及联合模型,并绘制列线图将联合模型可视化。各模型的诊断效能、校准能力及临床实用性分别通过ROC曲线、校准曲线及决策曲线分析评估。结果:联合模型在训练集和验证集中均表现出最佳的诊断效能,其次是影像组学模型,且两者显著优于常规CT图像特征模型。所有模型均显示出良好的校准能力,决策曲线分析表明列线图的临床实用性优于其余两种模型。结论:能谱CT的影像组学特征在诊断甲状腺乳头状癌淋巴结转移方面表现出良好的性能,联合常规CT图像特征后诊断效能进一步提高。

基于CT影像组学特征预测低分化胆囊癌的价值

目的:探讨多相CT影像组学特征在预测低分化胆囊癌中的价值。方法:回顾性分析本院行根治性胆囊切除术后经病理证实的胆囊癌,根据病理结果分为低分化组(占比44.5%)和非低分化组(占比55.5%)。应用3D Slicer软件手动勾画感兴趣区(ROI),分别提取动脉期及静脉期影像组学特征。使用互信息法筛选影像组学特征,将训练集三步降维法筛选的双期影像组学特征拟合至K-邻近算法构建胆囊癌低分化预测模型,测试集用于模型预测效能评价。绘制受试者工作特征(ROC)曲线,通过比较曲线下面积(AUC),确定影像组学特征对低分化胆囊癌的预测效能。结果:筛选出双期特征各1502个,应用三步降维法提取6个特征,即大面积强调、大区域高灰度强调、熵、均值、均方根、第10百分位。预测模型结果显示,训练集AUC为0.83(灵敏度0.76,特异度0.71),测试集AUC为0.68(灵敏度0.67,特异度0.60)。结论:双相CT影像组学特征对低分化胆囊癌的分级具有较好的预测价值,并具有可重复性。

CT影像组学特征在肺泡蛋白沉积症中的诊断价值

目的探讨CT影像组学特征在肺泡蛋白沉积症(PAP)中的诊断价值。方法回顾性分析2008年11月-2022年8月在解放军总医院就诊的24例PAP患者的一般资料及临床特征;另选取同期该院就诊的53例非PAP弥漫性肺疾病患者作为对照组;比较两组间10个常规胸部CT征象(语义特征)和107个CT影像组学特征的差异。将所有患者再按7:3随机分为训练组53例及验证组24例,采用训练组构建PAP诊断的CT语义特征模型、影像组学模型及联合模型,并在验证组利用受试者工作特征(ROC)曲线进行诊断效能比较。采用临床决策分析法检验各模型的临床PAP诊断应用价值。对PAP诊断效能最高的模型,计算影像学特征评分。结果共纳入PAP患者24例,男女比例3:1,年龄(44.6±15.2)岁,主要临床症状为气促、咳嗽、咳痰及胸闷等。与对照组比较,PAP组胸腔积液发生率明显降低(P<0.05),其余CT特征差异无统计学意义(P>0.05)。CT语义特征模型在训练组和验证组诊断PAP的曲线下面积(AUC)分别为0.590和0.594,在验证组诊断PAP的准确度、敏感度、特异度分别为0.188、1.000、0.188。影像组学模型在训练组和验证组诊断PAP的AUC分别为0.845和0.867,其在验证组诊断PAP的准确度、敏感度、特异度分别为0.641、0.938、0.703。联合模型在训练组和验证组诊断PAP的AUC分别为0.850和0.883,其在训练组诊断PAP的准确度、敏感度、特异度分别为0.688、0.750、0.938。联合模型或影像组学模型诊断PAP的AUC均明显大于CT语义特征模型(P<0.05),但联合模型与影像组学模型诊断PAP的AUC差异无统计学意义(P>0.05)。临床决策曲线分析结果显示,使用联合模型或影像组学模型预测PAP的临床应用价值均较高。结论与传统CT特征比较,CT影像组学在PAP诊断中有较高的临床应用价值。