基于增强CT影像组学预测浸润性肺腺癌EGFR突变状态的价值

目的探讨建立并验证影像组学诺模图预测浸润性肺腺癌表皮生长因子受体(EGFR)突变的能力。方法选取231例经病理证实为浸润性肺腺癌患者,并有EGFR突变资料,按照7∶3的比例分为训练集(n=162)和测试集(n=69)。利用最大相关最小冗余(mRMR)及最小绝对收缩与选择子算法(LASSO)筛选最佳影像组学特征,构建预测肺腺癌EGFR突变状态的模型;以单因素及多因素logistic回归筛选浸润性肺腺癌EGFR突变相关的临床、病理及CT特征,构建临床模型;联合影像组学特征及临床、病理、CT特征构建影像组学诺模图,ROC曲线及AUC值评估模型的预测效能,并采用DeLong检验比较模型间AUC值差异是否有统计学意义,校正曲线及DCA曲线评估影像组学诺模图的临床价值。结果最终基于增强扫描动脉期及静脉期筛选出13项影像组学特征建立影像组学模型,该模型在训练集及测试集中的AUC值为0.79、0.76;临床模型由性别、病理分期及血管集束征构成,该模型在训练集及测试集中的AUC值分别为0.75、0.75;影像组学诺模图在训练集及测试集中的AUC值分别为0.82、0.80;DeLong检验显示,训练集中影像组学诺模图AUC值大于临床模型,差异有统计学意义(P<0.05),影像组学模型与临床模型AUC值差异无统计学意义(P>0.05);测试集中3种模型AUC值差异均无统计学意义(P>0.05);影像组学诺模图在训练集及测试集中的拟合优度良好,DCA曲线显示影像组学诺模图临床效用优于临床模型。结论基于增强CT影像组学诺模图对浸润性肺腺癌EGFR突变状态有良好的预测能力。

增强MR组学联合临床因素预测肝细胞癌根治性切除术后早期复发的价值研究

目的探究联合临床因素的肝细胞癌(hepatocellular carcinoma,HCC)术前MR影像组学模型对预测HCC切除术后早期复发的价值。材料与方法回顾性分析116例(训练集82例、测试集34例)术前进行过腹部MRI扫描且经病理确诊为HCC患者的动态对比增强MRI(dynamic contrast enhanced MRI,DCE-MRI)的图像和临床因素。运用3D Slicer软件勾画病变感兴趣区(region of interest,ROI)并提取影像组学特征,通过最大相关-最小冗余算法、最小绝对值收缩和选择算子(least absolute shrinkage and selection operator,LASSO)降维,使用LASSO建立影像组学评分,引入临床因素构建Logistic回归模型,并联合影像组学评分构建列线图模型,通过计算受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC),进行Delong检验和临床决策曲线分析(decision curve analysis,DCA),评估和比较每个模型的预测性能和模型之间差异是否具有统计学意义。结果共选取9个影像组学特征构建影像组学模型。临床因素包括TNM分期(美国癌症联合委员会第8版癌症分期),甲胎蛋白水平,γ-谷氨酰氨基转移酶,Child-Pugh分级。联合影像组学评分和临床因素的影像组学列线图的鉴别效能优于临床因素模型[AUC=0.79(95%CI:0.63~0.96)vs.AUC=0.71(95%CI:0.52~0.90),DeLong检验Z=2.363,P=0.018],两个ROC曲线差异有统计学意义,经DCA验证其临床净收益率更高。结论基于术前MR影像组学及临床因素的联合模型对于预测HCC切除术后早期复发具有应用价值。

基于IVIM影像组学模型对前列腺癌和前列腺增生的鉴别诊断价值

目的探讨基于体素内不相干运动(IVIM)中真性扩散系数(D)、伪扩散系数(D*)及灌注分数(f)图影像组学模型对前列腺癌和前列腺增生的鉴别诊断价值。资料与方法回顾性分析南京医科大学附属泰州市人民医院2019年1月—2021年5月经穿刺活检或手术病理证实的前列腺癌患者106例、前列腺增生患者100例的影像资料,患者均行常规MRI检查及IVIM检查。首先应用Firevoxel软件获得IVIM序列D、D*及f图,将所得伪彩图导入ITK-SNAP软件勾画感兴趣区。采用Pyradiomics软件进行高通量特征提取,最后采用最大相关最小冗余及最小绝对收缩和选择算子稀疏约束法算法筛选影像组学特征并构建模型。采用随机抽样方法将患者按7∶3分成训练组144例与验证组62例,通过受试者工作特征曲线对3个模型的诊断效能进行验证,用决策曲线分析评估影像组学模型的临床预测效能。结果基于D、D*及f图像组学模型预测前列腺癌和前列腺增生,训练组中曲线下面积分别为0.987、0.978、0.992,验证组中曲线下面积分别为0.985、0.975、0.985。决策曲线显示D、D*及f图影像组学模型在临床上可以获得较好的净获益,其中D图组学模型最高。结论基于IVIM序列D、D*及f图的影像组学模型对前列腺癌和前列腺增生具有较高的鉴别诊断效能。

基于增强CT影像组学鉴别胸腺瘤组织学分型

目的观察基于增强CT影像组学鉴别胸腺瘤组织学分型的价值。方法回顾性分析226例经病理证实的胸腺瘤患者,按7∶3比例将其分为训练集(n=159)及测试集(n=67);利用最大相关最小冗余(mRMR)及最小绝对收缩和选择算子(LASSO)算法筛选最佳影像组学特征,构建鉴别胸腺瘤组织学分型的影像组学模型;以单因素及多因素logistic回归分析筛选鉴别胸腺瘤组织学分型相关的临床及CT表现,构建临床模型和联合影像组学特征及临床、CT特征的影像组学列线图。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价3种模型鉴别胸腺瘤组织学分型的效能并比较其差异,评价影像组学列线图的临床价值。结果最终基于增强动脉期及静脉期CT筛选出19个最佳影像组学特征,以建立影像组学模型。临床模型由患者年龄、重症肌无力、病灶CT表现形态、侵犯邻近组织及动脉期CT值构成。训练集中,影像组学列线图及影像组学模型区分低危组胸腺瘤与高危组胸腺瘤的AUC(0.91、0.89)均高于临床模型(0.79,Z=3.62、2.49,P均<0.05),而影像组学列线图与影像组学模型AUC差异无统计学意义(Z=1.54,P=0.12);3种模型在测试集中的AUC差异均无统计学意义(P均>0.05)。阈值概率为0.1~1.0时,影像组学列线图的临床获益均大于临床模型及影像组学模型。结论基于增强CT影像组学模型和基于临床、CT表现及影像组学特征的影像组学列线图均有利于鉴别胸腺瘤组织学分型,后者临床获益更高。

基于多期CT影像组学模型及联合模型鉴别腮腺多形性腺瘤与基底细胞瘤

目的 探讨基于多期CT影像组学模型鉴别腮腺多形性腺瘤(PA)及基底细胞瘤(BCA)CT优势期相及价值。资料与方法 回顾性收集2016年1月—2021年1月于重庆医科大学附属第一医院经病理证实的120例PA及50例BCA患者的术前CT多期影像及临床资料,将患者按7∶3随机分为训练组119例及验证组51例。图像预处理并提取组学特征,计算观察者间组内相关系数(ICC),经最大相关最小冗余(m RMR)算法及LASSO回归分析降维、筛选后建立影像组学标签。用单因素分析筛选临床数据,将优势期相组学标签及临床资料建立联合模型,并用列线图评估其效能。结果 选取ICC≥0.9的组学特征共1 135个,筛选出平扫、动脉期、静脉期及延迟期的特征总数为9个、9个、8个、5个,影像组学特征及模型最优为动脉期,其曲线下面积为0.968(95%CI 0.940~0.997)。将年龄、部位、同侧肿大淋巴结及动脉期组学标签纳入联合模型,其曲线下面积为0.973(95%CI 0.949~0.997),优于各期组学标签。结论 CT扫描动脉期的影像组学特征鉴别腮腺PA与BCA优于其他期相,动脉期组学标签及临床资料建立的联合模型有较高的鉴别诊断价值。

影像组学在局部晚期鼻咽癌化疗敏感性及预后中的应用

目的 探索治疗前MRI影像组学特征在预测局部晚期鼻咽癌化疗后肿块残留及临床预后的应用价值。方法 回顾性分析167例病理Ⅱ型、临床分期为Ⅲ~Ⅳb期鼻咽癌初治患者,接受2~3周期诱导化疗及放疗,同时具有治疗前2周内、化疗后一周内T2WI抑脂(FS)和FS T1WI增强(CE)两个序列图像。根据化疗后复查MR图像肿瘤是否有残留分为肿块残留组(95例)和完全回缩组(72例)。分别勾画治疗前两个序列图像中鼻咽癌肿块作为感兴趣区(ROI)进行特征提取,首先采用最大相关最小冗余(mRMR)以消除冗余和无关特征,然后,使用LASSO选择优化的特征子集来构建模型,使用受试者工作特征(ROC)曲线评估模型的预测效能。最后运用Kaplan-Meier法以无进展生存率(PFS)绘制出生存曲线。结果 经过特征计算和模型的训练验证,在训练队列及验证队列中的曲线下面积(AUC)、准确率、灵敏度、特异度、阴性预测值和阳性预测值分别为0.82和0.77、74.58%和71.43%、71.64%和78.57%、78.43%和61.90%、67.80%和68.42%、81.36%和73.33%;生存分析显示肿块完全回缩组和肿块残留组5年PFS为76.83%vs.43.58%(P<0.05)。结论 治疗前MRI影像组学特征在预测局部晚期鼻咽癌化疗后肿块是否残留及治疗后临床有无进展有一定预测价值,可指导鼻咽癌的个体化治疗。