| 摘 要： | ![]()
目的：基于集成机器学习(machine learning,ML)及增强CT构建透明细胞肾细胞癌(clear cell renal cell carcinoma,ccRCC)免疫影像(immuno-radiomics,ImRad)分型并探讨其对患者预后生存的预测价值。方法：收集癌症基因图谱(the cancer genome atlas,TCGA)数据库113例ccRCC患者的临床、影像及基因表达信息，提取全肿瘤影像组学特征，基于集成ML进行特征筛选并构建免疫浸润、肿瘤突变负荷、免疫耗竭相关基因的ImRad分型。进一步多因素Cox回归分析ImRad对患者总生存(overall survival,OS)的预测效能。结果：经ML构建30个ImRad分型，经五折法验证，基于朴素贝叶斯算法对肿瘤免疫微环境的预测效能最佳(曲线下面积0.717～0.956)。与基于临床、病理及ImRad单模态指标对比，融合临床-病理及ImRad的模型预测OS的效能最佳。ImRad特征中，Rad-激活态肥大细胞等8个特征是OS的独立预测因子。结论：基于集成ML及CT组学分析可预测ccRCC免疫微环境并提高预测患者术后...
|
