基于常规MRI影像组学模型预测软组织肉瘤复发

【摘要】目的：探讨基于常规MRI的影像组学模型对预测软组织肉瘤（STS）复发的价值。方法：回顾性分析2012年1月－2021年6月在本院经手术病理证实的92例STS患者的临床和影像资料。术后每3个月进行一次影像学检查,随访时间至少12个月以上,根据随访结果有无复发或远处转移分为复发组（27例）,无复发组（65例）。采用完全随机方法将所有患者按7:3的比例分为训练集（n=65）和验证集（n=27）。使用ITK-SNAP软件,分别在T1WI和压脂T2WI上逐层沿肿瘤边缘手动勾画ROI并进行三维融合（VOI）,然后使用AK软件提取纹理特征,使用最小冗余最大相关（mRMR）和最小绝对值收敛和选择算子（LASSO）回归分析方法分别对T1WI序列、压脂T2WI序列和联合序列的纹理特征进行降维和筛选,并建立影像组学模型,根据各个组学特征的权重系数计算影像组学评分（Radscore）,运用100次留组交叉验证（LGOCV）方法来评估模型的可靠性。将临床病理、常规MRI特征与预测效能最高的影像组学模型的Radscore相结合,采用多因素logistic回归（LR）、随机森林（RF）和支持向量机（SVM）三种机器学习算法分别建立机器学习模型。采用受试者工作特征（ROC）曲线评价各模型的预测效能,应用决策曲线分析（DCA）评估模型的临床应用价值。结果：临床模型在训练集和验证集中预测STS复发的ROC曲线下面积（AUC）分别为0.71（95%CI:0.58~0.85）和0.74（95%CI:0.52~0.97）。基于T1WI、压脂T2WI和联合序列的影像组学模型在训练集中预测STS复发的AUC分别为0.81（95%CI:0.70~0.93）、0.92（95%CI:0.86~0.99）和0.91（95%CI:0.84~0.99）,在验证集中分别为0.84（95%CI:0.63~1.00）、0.92（95%CI:0.81~1.00）和0.86（95%CI:0.72~1.00）。采用机器学习算法构建的LR、RF和SVM模型在训练集中预测STS复发的AUC分别为0.93（95%CI:0.87~0.99）、0.91（95%CI:0.84~0.99）和0.77（95%CI:0.63~0.91）,在验证集中分别为0.93（95%CI:0.83~1.00）、0.86（95%CI:0.71~1.00）和0.83（95%CI:0.66~1.00）。DCA分析结果表明,压脂T2WI和联合序列的影像组学模型、以及LR和RF模型的临床受益均较好。结论：基于常规MRI序列中的压脂T2WI和联合序列构建的影像组学模型对预测STS复发具有较高的预测效能和较好的临床受益,基于不同机器学习算法构建的预测模型的预测效能并无明显提高。     

极早产儿住院期间死亡的列线图预测模型的建立北大核心CSCD

目的构建预测极早产儿住院期间死亡风险的列线图模型。方法回顾性分析2015年1月至2019年12月郑州大学第三附属医院新生儿科收治的极早产儿1714例的临床资料。按7:3比率将1714例极早产儿随机分为训练队列(1179例)和验证队列(535例),通过logistic回归分析筛选独立预测因子并建立列线图模型,并由验证集评估列线图预测模型的可行性。最后,分别采用受试者工作特征曲线下面积(area under curve,AUC)、校准曲线和决策曲线分析对模型的鉴别能力、准确性和临床实用性进行评估。结果1714例极早产儿中,住院期间死亡260例,存活1454例。对训练集进行多因素logistic回归分析后筛选出胎龄<28周、出生体重<1000g、重度窒息、重度脑室内出血(intraventricular hemorrhage,IVH)、Ⅲ~Ⅳ级新生儿呼吸窘迫综合征(respiratory distress syndrome,RDS)、败血症、剖宫产、孕母产前使用糖皮质激素等8个变量建立列线图预测模型。训练队列中列线图模型预测极早产儿住院期间死亡发生的AUC为0.790(95%CI:0.751~0.828),验证队列中列线图模型预测极早产儿住院期间死亡发生的AUC为0.808(95%CI:0.754~0.861)。Hosmer-Lemeshow拟合优度检验显示出较好的拟合度(P>0.05)。决策曲线分析显示当训练队列和验证队列的阈值概率分别为10%~60%和10%~70%时对极早产儿进行临床干预具有较高的净收益。结论构建并验证了预测极早产儿住院期间死亡风险的预测模型,可帮助临床医生预测极早产儿住院期间的死亡概率。     

卵巢-附件报告及数据系统、妇科影像报告与数据系统和简单法则风险预测模型鉴别诊断卵巢良、恶性肿瘤

目的 对比卵巢-附件报告及数据系统（O-RADS）、妇科影像报告与数据系统（GI-RADS）和简单法则风险预测模型（SRRisk）鉴别卵巢良、恶性肿瘤的价值。方法 回顾性分析622例经病理证实的卵巢肿瘤的超声声像图,并分别以O-RADS、GI-RADS及SRRisk进行分类。采用受试者工作特征（ROC）曲线观察各方法鉴别卵巢良、恶性肿瘤的效能,比较其曲线下面积（AUC）、敏感度、特异度及准确率差异。结果 622例中,454例良性、168例恶性（包含交界性）卵巢肿瘤。O-RADS、GI-RADS、SRRisk鉴别卵巢良、恶性肿瘤的AUC分别为0.94、0.93及0.93,敏感度分别为93.45%、91.67%及86.91%,特异度分别为88.33%、88.77%及89.87%,准确率分别为89.71%、89.55%及89.07%;其AUC、特异度、准确率相当（P均>0.05）,而O-RADS的敏感度（93.45%）高于SRRisk（86.91%,χ²=7.69,P<0.01）,GI-RADS的敏感度（91.67%）与O-RADS及SRRisk相当（χ²=0.80、3.50,P均>0.05）。结论 O-RADS、GI-RADS及SRRisk鉴别卵巢良、恶性肿瘤的效能均较高且彼此相当。     

经皮肝穿刺胆道支架植入术后高淀粉酶血症及急性胰腺炎临床预测模型的建立与验证

【摘要】 目的 建立并验证恶性胆道梗阻（MBO）患者行经皮肝穿刺胆道支架植入（PTBS）术后高淀粉酶血症及急性胰腺炎的临床预测模型。方法 回顾性分析2016年3月至2020年6月于南京医科大学第一附属医院接受PTBS治疗的302例MBO患者的临床资料。采用单因素及多因素logistic回归分析独立危险因素,根据结果构建Nomogram模型。采用ROC曲线法和加强Bootstrap法对模型的预测价值进行验证,采用临床决策曲线（DCA）对模型的临床获益进行评估。结果 多因素logistic回归分析显示患者年龄、125I粒子条植入、术中胰管显影以及支架跨十二指肠乳头释放是术后发生高淀粉酶血症及急性胰腺炎的独立危险因素。ROC曲线显示Nomogram模型区分度良好（AUC=0.781±0.031;95%CI:0.720～0.841）。加强Bootstrap校准图形中标准曲线与校准预测曲线贴合,表明模型的校准度良好。DCA曲线显示模型具有潜在的临床应用价值。结论 针对MBO患者,PTBS术后高淀粉酶血症及急性胰腺炎发生风险的Nomogram预测模型成功建立。模型验证表现良好,可以较准确地预测其发生风险并及时辨别高危患者。     

基于医学图像建立预测模型的应用现况

基于医学图像建立的预测模型,可以在一定程度上帮助临床医生对一些复杂及早期难发现的疾病进行诊断,而日益受到重视.在医学图像分析中采用的预测模型,主要包括数据挖掘算法、回归预测方法和时间序列预测法等.本文重点介绍数据挖掘算法和其他模型的应用情况、模型间的对比及联合应用效果,总体上模型联合应用的效果较好.     

随机森林模型预测急性心肌梗死后急性肾损伤

目的:建立随机森林模型预测急性心肌梗死（acute myocardial infarction,AMI）患者并发急性肾损伤（acute kidney injury, AKI）。方法:使用温州医科大学附属东阳医院大数据平台,筛选出1 363例患AMI的病例,确定30个变量后,统计分析样本临床特点,将样本划分为75%的训练集建立随机森林模型,以及25%的测试集进行验证,使用R语言进行数据的筛选及模型的建立。最后根据特异性、敏感性、准确性、受试者特征工作特征曲线(relative operating characteristic curve, ROC曲线)等来评估模型性能,同时与其他三种常用的机器学习算法（神经网络,朴素贝叶斯,支持向量机）的模型性能进行比较。结果:AMI合并AKI的患者的人口学信息、心血管疾病的危险因素、入院时的生命体征、实验室检查等与未合并急性肾损伤的患者存在差异性。模型评估后得出测试集的ROC曲线下面积为0.893,特异度为0.791,灵敏度为0.866,其中入院首次肌酐、首次尿素、D-二聚体、年龄、机械通气是其最重要的影响因素。在本研究中,多种机器学习算法比较后,随机森林模型较有优势。结论:建立的随机森林模型具有帮助预测AMI并发AKI的潜力。     

影响中国汉族≥75岁老年口服华法林病人IWPC预测模型准确性的相关因素

目的探讨影响≥75岁老年病人国际华法林药物基因组协会(IWPC)预测模型准确性的相关因素,为≥75岁病人更合理地应用华法林提供参考。方法收集≥75岁口服华法林抗凝治疗的老年病人的临床资料,根据预测剂量与实际剂量间的差异率分为差异轻微组、差异一般组和差异显著组,比较各组性别、年龄、BMI、血压、心率、合并疾病及合并用药等临床指标差异,并分析各指标与剂量差异率的相关性。结果73例病人分为差异轻微组42例,差异一般组21例,差异显著组10例。3组病人性别、年龄、肝功能等指标及各基因型分布差异无统计学意义(P>0.05)。差异轻微组心力衰竭(心衰)病史及应用利尿剂比例明显低于差异显著组,血清肌酐明显低于差异一般组及差异显著组,估算的肾小球率过滤(eGFR)明显高于差异一般组及差异显著组,差异有统计学意义(均P<0.05)。差异轻微组华法林实际剂量明显高于差异显著组(P<0.05)。有序多元Logistic回归分析显示,心衰病史及是否应用利尿剂对病人剂量差异率无显著影响(P>0.05)。将eGFR按四分位数分为低水平[<59.5 mL/(min·1.73m^2)]、中低水平[59.5~76.3 mL/(min·1.73m^2)]、中高水平[76.4~96.5 mL/(min·1.73m^2)]、高水平[>96.5 mL/(min·1.73m^2)]4个等级,eGFR低水平病人引起华法林实际与预测剂量间明显差异的OR值是eGFR高水平病人的4.455倍;eGFR中低水平病人引起华法林实际与预测剂量间明显差异的OR值是eGFR高水平病人的5.135倍。结论中国汉族≥75岁病人华法林平均实际稳定剂量<2.5 mg/d;实际剂量越低,与IWPC模型公式预测剂量差异越大;eGFR与剂量差异大小有显著相关性。     

Logistic回归与ROC曲线分析不同健康行为对脑卒中高危人群发病的影响研究

目的探讨社区接受健康管理的脑卒中高危人群不同健康行为对发病结果的影响。方法采用回顾性分析,纳入209例接受至少3年健康干预的脑卒中患者,按照1:2的比例纳入年龄、性别一致且同期接受健康管理的脑卒中高危居民。采用Logistic回归筛选出发病的危险行为因素,然后通过受试者工作特征曲线确定截断值,最后对样本进行代入并与实际发病结果进行对比,以评估模型的诊断价值和预测准确度。结果筛选出4个对脑卒中发病有统计学意义的行为变量,分别为生理指标控制情况、体重指数、锻炼习惯、参加健康讲座的次数,综合预测模型的灵敏度为81.34%,特异度为85.17%,诊断符合率为83.89%,Younden指数为0.6651,曲线下面积为0.87,95%CI为0.76~0.96。结论生理指标控制情况、体重指数、锻炼习惯、参加健康讲座的次数组成的综合预测模型有较好的预测价值。采用个体化指导措施提高指标控制血压、血脂、血糖达标率,鼓励高危人群尽可能多的参加健康宣讲活动及有规律的长期锻炼有助于降低高危人群的脑卒中发病风险,对体重超重的高危居民更应该注意加强健康管理。     

基于299例结直肠癌异时肺转移患者建立的预后评估模型

目的回顾性分析结直肠癌（CRC）异时性肺转移患者的临床资料,分析影响患者预后的因素。 方法收集1984年1月至2011年2月在哈尔滨医科大学附属第二医院接受治疗的299例CRC异时性肺转移患者,通过Kaplan-Meier生存曲线分析、多因素回归分析等方法对患者的临床病理资料进行回顾性分析,并建立预后评估模型。 结果与无病间期（DFI）显着相关的因素是原发灶的病理分期、年龄、化疗和是否无残留切除（R分类）（均P<0.05）,肺转移瘤切除术和DFI是总生存期（OS）的预测因素。Kaplan-Meier生存曲线显示亚组间生存期差异有统计学意义（P<0.05）;使用相应的临床和病理参数构建模型并计算CRC患者的评分,可以准确预测复发风险（曲线下面积为0.732）。 结论老年、分期较晚和阳性切缘是影响CRC肺转移患者预后不良的因素。风险模型可以预测肺转移风险的患者并有助于个体化治疗方案的制定。