调强放射治疗肺癌患者放射性肺炎发生的临床预测模型构建

目的:通过分析接受调强放射治疗(IMRT)的肺癌患者发生放射性肺炎(RP)的放射剂量学参数及临床病理特征,建立精确预测RP发生的临床模型。方法:选取医院收治的106例行IMRT的肺癌患者,依照临床表现及影像学检查结果将其分为RP组(44例)和非RP组(62例),分析两组患者与RP相关的剂量学参数和临床病理等特征,并基于全肺总体积的15%、35%、40%(V_(15)、V_(35)、V_(40))、淋巴细胞计数、合并肺部感染、放射治疗剂量、总分期和T分期8个独立预后因素使用机器学习逻辑回归(LR)构建肺癌患者发生RP的临床预测模型(LR预测模型)。采用受试者工作特征(ROC)曲线分析LR预测模型在训练集和验证集中的预测效能。结果:106例患者中发生RP的44例(占41.5%),V_(15)、V_(35)、V_(40)、淋巴细胞计数、合并肺部感染、放射治疗剂量、总分期及T分期为发生RP的独立预后因素。训练集和验证集的ROC曲线下面积(AUC)分别为0.822和0.748,95%CI分别为0.714~0.931和0.488~0.979,模型的校正曲线(Brier score:0.171)和临床决策曲线表明该模型具有较好的预测性和临床有效性。结论:本研究构建的IMRT肺癌患者发生RP的临床LR预测模型,具有较好的预测性能和临床有效性,可为临床预测RP的发生及制定治疗策略提供依据。