联合CT影像组学与深度学习特征建立列线图预测食管鳞癌放疗近期疗效

目的:探讨基于CT影像组学特征与深度学习特征建立列线图对食管癌放疗近期疗效的预测价值。方法:回顾性分析137例食管鳞癌患者的临床及影像资料。从CT图像中提取影像组学特征和深度学习特征。通过最小绝对收缩和选择算子方法分别对影像组学特征和深度学习特征进行降维并计算得到影像组学得分(Radscore)和深度学习得分(Deepscore)。采用多因素logistic回归分析建立预测模型,并绘制列线图。对列线图的校准度、诊断效能和临床价值进行评价。结果:筛选得到6个影像组学特征参与计算Radscore, 6个深度学习特征参与计算Deepscore。多因素logistic回归结果显示Radscore、Deepscore、TNM分期为联合模型的独立预测因子。联合预测模型在训练集中预测食管鳞癌患者放疗近期疗效的曲线下面积(AUC)为0.904,高于临床模型(AUC=0.662)和影像组学模型(AUC=0.814),且AUC差异均有统计学意义(P<0.001、P=0.004)。验证集中联合模型的AUC为0.938,高于临床模型(AUC=0.644)和影像组学模型(AUC=0.852),联合模型与临...     

基于增强CT影像组学评分和临床分期的列线图预测胃癌脉管浸润的价值

目的 探讨基于增强CT影像组学评分（Radscore）和TNM分期的列线图预测胃癌脉管浸润（LVI）的价值。 方法 回顾性收集160例术前行上腹部CT增强检查且行术后胃癌LVI状态评估的病人,男109例,女51例,平均年龄（62.23±10.74）岁。160例病人（包括LVI阴性者92例,阳性者68例）按照7∶3比例随机分为训练集（112例）和测试集（48例）;其中,训练集中LVI阴性者60例、阳性者52例,测试集中LVI阴性者32例、阳性者16例。基于增强CT影像提取并筛选影像组学特征,建立影像组学标签并计算Radscore。采用t检验、Mann-Whitney U检验、卡方检验或Kruskal-Wallis H 检验比较LVI阳性组和阴性组间临床病理特征[病人性别、年龄、肿瘤直径、TNM分期、AJCC分期、肿瘤分化程度及癌胚抗原（CEA）、糖类抗原199（CA199）]的差异,将差异有统计学意义的特征和影像组学标签纳入多因素logistic回归,建立临床影像联合模型和列线图。采用受试者操作特征（ROC）曲线评估影像组学模型和列线图的预测效能并计算相应的曲线下面积（AUC）。采用决策曲线评价影像组学模型和列线图的临床净获益。分别基于训练集及测试集中的数据绘制校准曲线对列线图进行验证。 结果 LVI阳性组和阴性组间肿瘤T分期、N分期、AJCC分期的差异均有统计学意义（均P<0.05）,且LVI阳性组的Radscore高于阴性组（P<0.05）。在测试集中,基于T分期、N分期、AJCC分期和Radscore的临床影像联合模型预测LVI的AUC值、准确度和特异度较影像组学模型分别提高了8.2%、18.2%和21.9%。决策曲线分析显示应用联合模型的临床净获益优于影像组学模型。联合模型的列线图显示Radscore得分最高,其次是AJCC分期,最后是N分期和T分期。训练集和测试集中的校准曲线显示列线图的预测结果与真实结果具有较好的一致性。 结论 联合T分期、N分期、AJCC分期和增强CT的Radscore建立的列线图能够成功预测胃癌LVI。     

临床及CT平扫特征列线图预测幕上脑实质出血早期血肿扩大的价值

目的:评价临床及CT平扫特征构建的列线图模型预测幕上脑实质出血早期血肿扩大(HE)的价值。方法:回顾性分析291例幕上脑出血患者的临床资料及CT征象。根据HE的发展,将患者分为HE组(n=131)和非HE组(n=160),按7∶3比例采用随机分层抽样将患者分为训练集(n=204)和验证集(n=87),比较两组患者的临床资料和CT征象,采用单因素及多因素Logistic回归分析筛选独立危险因素,并构建列线图预测模型。分别使用受试者操作特征(ROC)曲线及曲线下面积(AUC)、校准曲线和临床影响曲线(CIC)评估模型的区分度、校准度和临床实用性。结果:空腹血糖、黑洞征、漩涡征、混杂征是HE的独立危险因素(P均<0.05)。列线图模型在训练集、验证集AUC分别为0.787(95%CI:0.723～0.851)、0.716(95%CI:0.594～0.839)。Hosmer-Lemeshow拟合优度检验显示,模型的预测结果与实际结果差异无统计学意义(χ²=9.007,P=0.342,R²=0.328)。校准曲线显示模型的拟合效果较好。CIC显示...     

基于CT影像组学列线图鉴别甲状腺乳头状癌与结节性甲状腺肿的价值

目的 探讨基于CT影像组学列线图鉴别诊断甲状腺乳头状癌(PTC)与结节性甲状腺肿(NG)的临床价值。方法 回顾性分析经病理证实的甲状腺结节患者的临床资料及CT图像。术前2周内行CT平扫及增强扫描；PTC 113例，NG 119例；以7∶3的比例随机分层抽样划分成训练集(n=162)和测试集(n=70)。从CT平扫及双期增强图像中提取甲状腺结节相关征象和影像组学特征，通过临床影像征象和影像组学特征筛选，训练集与测试集均构建4个独立模型并计算影像组学评分，基于影像组学评分和临床模型构建联合模型，并基于联合模型绘制列线图。通过受试者工作特征曲线、曲线下面积(AUC)、连续净重分类改善度(NRI)及综合判别改善度(IDI)等多个指标评估各模型对PTC与NG的鉴别诊断效能，利用校准曲线直观的评估列线图的可靠性与准确性，使用决策曲线评估列线图的临床实用价值。结果 平扫、动脉期、静脉期分别保留了6、4、3个影像组学特征，分别构建单期相影像组学模型。单期相中，平扫模型鉴别诊断效能最优，6个独立预测因子用于构建临床模型，基于联合模型的列线图对PTC与NG具有最高的鉴别诊断效能(训练集：AUC为0.980...     

基于动态增强MRI影像组学评分和激素受体的列线图预测乳腺癌新辅助化疗不敏感的价值

目的 探讨基于动态增强MRI（DCE-MRI）影像组学评分（Radscore）和激素受体状态的列线图预测乳腺癌新辅助化疗（NAC）疗效不敏感的价值。 方法 回顾性收集128例行乳腺癌NAC治疗的女性病人,平均年龄（49.2±10.0）岁。128例病人按照7∶3比例随机分为训练集90例（疗效敏感者47例,疗效不敏感者43例）和测试集38例（疗效敏感者15例,疗效不敏感者23例）。基于DCE-MRI影像提取并筛选影像组学特征,采用多因素逻辑回归构建影像组学模型并计算模型的Radscore。采用t检验、χ²检验或Fisher确切概率检验比较训练集和测试集中临床病理指标[年龄、雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体-2（HER-2）和肿瘤增殖细胞核抗原-67（Ki-67）],将差异有统计学意义的临床病理指标和Radscore纳入多因素逻辑回归,建立联合模型和列线图。应用受试者操作特征（ROC）曲线下面积（AUC）评价影像组学模型和联合模型的预测效能。应用决策曲线评估影像组学模型和联合模型的临床应用价值。 结果 在训练集中,ER和PR在疗效敏感与不敏感组间的差异均有统计学意义（均P<0.05）,但未得到测试集的验证（均P>0.05）。在训练集中,联合模型预测NAC不敏感的AUC值和准确度分别高于影像组学模型约3.8%和3.1%。在测试集中,联合模型预测NAC不敏感的AUC值高于影像组学模型,其较后者提高了约2.3%,但两者的准确度相同。在基于ER、PR和Radscore构建的联合模型列线图中,Radscore得分最高,其次是ER和PR。决策曲线分析显示联合模型的临床获益高于影像组学模型。 结论 基于DCE-MRI的Radscore和ER、PR构建的联合模型列线图能够较好地预测NAC疗效不敏感。     

基于MRI征象及影像组学的列线图预测腮腺良性与恶性肿瘤的价值

目的建立并验证基于MRI征象和影像组学的列线图鉴别腮腺良性与恶性肿瘤的效能。方法回顾性收集2015年1月至2020年5月青岛大学附属医院86例经手术病理证实的腮腺肿瘤患者为训练集,收集2013年1月至2020年1月香港大学深圳医院35例患者为独立外部验证集。采用logistic回归基于临床及MRI征象建立临床诊断模型。基于术前平扫T1WI和预饱和脂肪抑制T2WI(fs-T2WI)进行影像组学特征提取,建立影像组学诊断模型。基于影像组学评分及临床诊断模型,通过logistic回归建立影像组学+临床联合诊断模型及列线图。采用受试者操作特征(ROC)曲线评价各模型诊断腮腺良性与恶性肿瘤的效能,ROC曲线下面积(AUC)的比较采用DeLong检验。结果Logistic回归结果显示,腮腺深叶受累(OR值为3.285,P=0.040)和周围组织结构侵犯(OR值为15.919,P=0.013)是腮腺恶性肿瘤的独立影响因素,将二者构建临床诊断模型。基于平扫T1WI和fs-T2WI,共提取19个特征构建影像组学诊断模型。联合影像组学评分以及腮腺深叶受累、周围组织结构侵犯2个常规影像学特征建立联合诊断模型及列线图。临床诊断模型、影像组学诊断模型、联合诊断模型在训练集和验证集中诊断腮腺良性与恶性肿瘤的AUC分别为0.758、0.951、0.953和0.752、0.941、0.964。在训练集和验证集中,影像组学诊断模型、联合诊断模型的AUC均高于临床诊断模型(训练集:Z=3.95、4.31,P均<0.001;验证集:Z=2.16、2.67,P=0.031、0.008),影像组学诊断模型、联合诊断模型间AUC差异无统计学意义(训练集:Z=0.39,P=0.697;验证集:Z=1.10,P=0.273)。结论本研究所建立的MRI影像组学模型以及由腮腺深叶受累、周围组织结构侵犯、MRI影像组学特征组成的联合诊断模型,能有效鉴别腮腺良恶性肿瘤,具有较高的预测效能。     

钆塞酸二钠增强多模态 MRI联合临床特征同时预测肝细胞癌CK19表达及微血管侵犯的价值

【摘要】目的：探讨钆塞酸二钠多模态MRI联合临床特征构建的列线图模型同时预测肝细胞癌（HCC）中CK19表达及微血管侵犯(MVI)的价值。方法：回顾性搜集经病理诊断为单发性HCC的106例患者的病例资料,术前均行钆塞酸二钠增强多模态MRI检查,且术后病理报告清晰描述CK19及MVI状态。将CK19/MVI双生物学标志物分为双阳组（CK19及MVI均为阳性,19例）与非双阳组（87例）,比较两组间临床及影像特征的差异,通过多因素Logistic回归筛选独立预测因子,并通过R软件构建CK19/MVI双阳性表达的列线图模型。结果：临床特征中年龄、AFP、NLR、PLR在双阳组与非双阳组间差异有统计学意义（P＜0.05）,影像特征中T1rt-pre、T1rt-20min、ADC值、肿瘤直径、肿瘤包膜、肿瘤边缘、坏死、瘤周强化、肝胆期瘤周低信号在两组间差异有统计学意义（P＜0.05）,其余参数在两组间差异无统计学意义（P＞0.05）。多因素Logistic回归分析结果显示PLR、T1rt-20min、肝胆期瘤周低信号是CK19/MVI双阳表达的独立预测因子,各预测因子的ROC曲线下面积（AUC）分别为0.729、0.706、0.708。建立的列线图预测模型AUC为0.854,校准预测曲线与标准曲线贴合尚可。结论：钆塞酸二钠增强多模态MRI联合临床特征术前能较好地同时预测CK19表达及微血管侵犯,并通过列线图模型为个体化预测提供参考。     

基于CT影像组学结合临床影像特征预测局部晚期鼻咽癌诱导化疗疗效

目的:探讨基于增强CT的影像组学结合临床影像特征的列线图在预测局部晚期鼻咽癌(LA-NPC)患者诱导化疗(ICT)疗效中的价值。方法:回顾性分析2014年7月至2022年3月178例LA-NPC(Ⅲ、Ⅳ期)患者的临床及CT图像资料，以7:3随机将患者分为训练组(n=125)和测试组(n=53)。采用3D-Slicer勾画容积感兴趣区(VOI)并用Pyradiomics包提取特征。使用单-多因素Logistic回归选择临床预测因子。采用最小绝对收缩与选择算法(LASSO)筛选组学特征，最后通过多变量Logistic回归构建临床、影像组学及联合模型，并绘制列线图。以受试者工作特征曲线(ROC)的曲线下面积(AUC)评估和比较三种模型的预测效能。应用决策曲线(DCA)观察列线图的临床净获益。结果:Logistic回归分析结果显示T分期(OR=0.45,P=0.004)、癌灶强化程度(OR=2.706,P=0.038)、血小板/淋巴细胞比值(PLR)(OR=0.289,P=0.024)是ICT疗效的临床预测因子，基于以上3者构建临床模型。基于22个与ICT疗效显著相关的组学特征构建影像组学模型...     

基于术前CT影像特征预测胆囊癌淋巴管浸润的研究

目的 评估术前胆囊癌CT影像特征对预测胆囊癌淋巴管浸润（LVI）的价值,构建预测胆囊癌LVI的列线图模型并评价其预测效能。方法 回顾性分析116例接受术前增强CT检查的胆囊癌病人的临床、病理及影像资料。病人按6︰4比例随机分为训练集72例,验证集44例。根据病理结果将病人分为LVI阳性组及LVI阴性组。由2位放射科医生评估训练集及验证集的CT影像特征,包括肿瘤基底浸润胆囊壁范围、影像T分期和N分期、有无胆囊结石。采用独立样本t检验、Mann-Whitney U检验及χ²检验比较2组病人中各项CT征象的差异性,并对训练集采用logistics回归分析筛选独立危险因素。建立列线图预测模型,采用受试者操作特征（ROC）曲线评估预测模型的预测效能并计算相应的曲线下面积（AUC）,绘制校准曲线对列线图预测模型进行验证。采用决策曲线评价其临床净获益。结果 训练集及验证集中,LVI阳性组的CT影像N分期、肿瘤基底浸润胆囊壁范围、T分期均显著高于LVI阴性组（均P<0.05）。多因素分析结果显示影像N分期、T分期、肿瘤基底浸润胆囊壁范围为LVI独立危险因素。建立列线图预测模型,结果显示肿瘤基底浸润范围的得分最高,其次是N分期,再次是T分期。决策曲线分析显示模型的净获益良好,训练集和验证集中CT影像特征预测LVI的ROC曲线的AUC分别为0.828（95%CI：0.721~0.907）、0.752（95%CI：0.599~0.870）,差异无统计学意义（P>0.05）。训练集AUC的截断值为0.521时,模型在训练集中的敏感度、特异度分别为0.629和0.892;验证集AUC的截断值为0.432时,对应的敏感度和特异度分别为0.778和0.654。结论 联合T分期、N分期及肿瘤基底浸润范围建立的列线图预测模型,能够有效预测胆囊癌LVI。     

双层探测器光谱CT定量参数联合常规CT特征的列线图术前预测结直肠癌肿瘤沉积的价值

目的探讨双层探测器光谱CT定量参数联合常规CT特征的列线图模型在术前预测结直肠癌肿瘤沉积(TDs)中的价值。方法本研究为病例对照研究。回顾性收集苏州大学附属第一医院2022年1月至2023年3月术前接受光谱CT腹部增强扫描且经病理确诊的126例结直肠癌患者, 根据病理结果分为TDs阳性组(n=38)和TDs阴性组(n=88)。评估其常规CT特征, 包括cT分期、cN状态、静脉期强化是否均匀、瘤周脂肪浸润(PFI)、肿瘤最大径以及肿瘤位置。测量并计算病灶动脉期、静脉期标准化碘浓度(NIC)、标准化有效原子序数(NZeff)、40～100 keV光谱曲线斜率(K)和动静脉期NIC差值。采用多因素logistic回归分析筛选出TDs的独立预测因素并构建基于光谱CT定量参数及常规CT特征的列线图模型, 利用受试者操作特征曲线评估各参数及模型的预测效能, 采用DeLong检验比较曲线下面积(AUC)的差异。结果 TDs阳性组与TDs阴性组间cT分期、cN状态、静脉期强化是否均匀、PFI、静脉期NIC、静脉期NZeff、静脉期K和动静脉期NIC差值差异有统计学意义(P<0.05)。经过log...     

3.0T MR动脉自旋标记对腮腺肿瘤的鉴别诊断价值

目的:初步探讨3.0T磁共振动脉自旋标记技术(ASL)对腮腺肿瘤的鉴别诊断价值。方法:前瞻性搜集2017年3月-2020年1月因腮腺肿物于本院就诊及治疗的患者作为研究对象,所有研究对象均行常规MR平扫及ASL扫描,测量ASL序列图像上肿瘤组织的肿瘤血流量(TBF),并将计算出的标准化肿瘤血流量(nTBF)与病理结果进行对比分析。结果:本研究总共纳入45例经术后病理证实的腮腺肿瘤患者。其中良性肿瘤28例,包括腺淋巴瘤14例,多形性腺瘤14例;恶性肿瘤共17例。测量并经计算得出腺淋巴瘤、多形性腺瘤、恶性腮腺肿瘤的nTBF分别为:3.71±1.65、0.89±0.25、1.55±0.60。腺淋巴瘤的nTBF明显高于多形性腺瘤(P<0.01)和恶性肿瘤(P<0.01),但是多形性腺瘤和恶性肿瘤的nTBF差异无统计学意义(P=0.073)。ASL能将腮腺腺淋巴瘤从多形性腺瘤及恶性肿瘤中鉴别出来,但是无法鉴别多形性腺瘤与恶性肿瘤。ASL诊断腮腺腺淋巴瘤的ROC曲线下面积为0.935,nTBF的诊断阈值为2.03,诊断腺淋巴瘤的敏感度和特异度分别为92.9%、93.5%。结论:3.0T MR ASL技术可以无创地、定量地评价腮腺肿瘤的TBF,并对腺淋巴瘤的诊断和鉴别诊断具有较高的价值。     

基于T2WI和增强MRI影像组学列线图预测宫颈鳞癌淋巴脉管间隙浸润

目的:探讨基于T₂WI和增强MRI影像组学列线图对宫颈鳞癌淋巴脉管间隙浸润(LVSI)的预测价值。方法:将92例经术后病理证实的宫颈鳞癌患者纳入研究,并按7:3的比例随机分为训练集(66例)和验证集(26例)。所有患者术前行MRI检查,在横轴面T₂WI和对比增强T₁WI(T1CE)上选取病灶最大层面沿肿瘤边缘勾画ROI,应用AK软件提取影像组学特征。采用mRMR和LASSO回归分析对提取的纹理特征进行初步筛选,然后进行多因素logistic回归分析,构建影像组学模型。使用单因素logistic回归分析筛选临床病理危险因素,并使用多因素logistic回归结合影像组学评分(Radscore)构建影像组学列线图。应用ROC曲线评估影像组学模型、临床病理危险因素模型和影像组学列线图模型的预测能力,并应用决策曲线分析评估影像组学列线图的临床应用价值。结果:在T₂WI和T1CE图像上分别提取病灶的396个影像组学特征,最终筛选出14个具有最大诊断效能的纹理特征。使用多因素logistic回归构建包含FIGO分期、分化程度和Radscore的影像组学列线图。影像组学列线图的预测效能优于临床病理危险因素模型(训练集中,AUC:0.96 vs.0.70;Delong检验:Z=4.04,P=5.415e-05;验证集中,AUC:0.87 vs.0.71;delong检验:Z=1.24,P=0.02)。决策曲线分析显示风险阈值为0.01~1.00时使用影像组学列线图对预测宫颈鳞癌LVSI情况的临床应用价值较大。结论:基于双序列MRI构建的影像组学列线图对宫颈鳞癌LVSI情况有较好的预测能力,可作为一种术前评估的无创性影像学生物标志。     

体素内不相干运动联合扩散峰度成像对乳腺癌HER-2表达的判断价值

目的探讨体素内不相干运动成像(IVIM)联合扩散峰度成像(DKI)对乳腺癌HER-2表达状态的诊断价值。方法选取本院经病理证实的乳腺癌患者201例,HER-2阳性组106例,HER-2阴性组95例,所有病例均行IVIM及DKI检查。分析两组间的临床病例资料和表观扩散系数(ADC)、真实扩散系数(D)、灌注相关扩散系数(D^*)、灌注分数(f)、平均扩散峰度值(MK)和平均扩散率(MD);运用2检验分析临床病理资料的差异性;采用两独立样本t检验比较IVIM、DKI诸参数的差异,绘制ROC比较其诊断效能。结果 HER-2阳性组乳腺癌形态多为不规则形,淋巴结转移亦多见,两组间差异有统计学差异(P<0.05)。HER-2阳性组的D和MK值小于阴性组,而D^*和f值高于阴性组,差异有统计学意义(P<0.05)。D值、MK与HER-2表达呈负相关,而D^*和f值与HER-2表达呈正相关(|r|为0.149～0.362)。当D≤0.69×10^-3mm²/s、D^*≥...     

基于MRI影像组学鉴别卵巢卵泡膜细胞瘤与阔韧带肌瘤

目的 探讨基于MRI影像组学对卵巢卵泡膜细胞瘤（OTCA）与阔韧带肌瘤（BLM）的鉴别诊断价值。资料与方法 回顾性分析安阳市肿瘤医院2016年1月—2021年3月经病理证实的76例OTCA和58例BLM的MRI图像,比较两组疾病的MRI特征。于肿瘤最大层面勾画感兴趣区提取T2WI脂肪抑制序列图像纹理特征,采用分层抽样方式按照7∶3分为训练组104例和测试组30例,根据病理结果分为OTCA亚组和BLM亚组。基于训练组,使用最小绝对收缩和选择算子回归分析筛选关键特征,根据回归模型中变量的回归系数,建立线性方程计算影像组学标签评分。采用受试者工作特征（ROC）曲线评价基于MRI图像特征、影像组学及其组合区分两种疾病的能力。结果 共4个MRI特征为鉴别两组疾病的独立特征,包括同侧卵巢可见性（χ2=5.503,P<0.05）、外周囊性区（χ2=7.693,P<0.05）、动脉期强化程度（P<0.05）及表观扩散系数（t=3.310,P<0.05）;训练组和测试组OTCA、BLM亚组的影像组学标签评分比较,差异均有统计学意义（P<0.05）。联合MRI图像特征和影像组...     

基于双能量CT增强图像的列线图预测早期声门型喉癌术后复发

目的:探讨基于双能量CT（DECT）增强图像的列线图预测早期声门型喉癌（EGC）术后无复发生存期的价值。方法:回顾性分析2015年1月至2018年7月天津市第一中心医院经手术病理证实的EGC患者的临床病理和DECT资料。共入组178例患者,男162例、女16例,年龄44~86（62±9）岁。对所有患者进行随访,根据随访...     

基于乳腺X线图像影像组学列线图对乳腺癌腋窝淋巴结转移的预测价值

目的:探讨基于乳腺X线图像影像组学列线图对乳腺癌腋窝淋巴结(ALN)转移的预测价值.方法:回顾性分析188例乳腺癌患者的乳腺X线图像和临床资料,按照7:3的比例将患者随机分割为训练组(n=130)和验证组(n=58).使用MaZda软件在乳腺X线图像内提取影像组学特征,应用方差选择法和最小绝对收缩与选择算子算法(LAS...     

基于CT影像组学列线图鉴别甲状腺良性与恶性滤泡性肿瘤的价值

目的:探讨基于CT影像组学列线图鉴别甲状腺滤泡性肿瘤良生与恶性的价值。方法:回顾性收集2016年1月至2018年12月复旦大学附属肿瘤医院经手术病理证实的200例甲状腺滤泡性肿瘤患者的临床资料及CT图像,其中甲状腺滤泡癌（FTC）46例、甲状腺滤泡腺瘤（FTA）154例。采用随机数表法随机分为训练集（ n=...     

Arterial spin labeling imaging correlates with the angiographic and clinical vascularity of vestibular schwannomas

Hypervascular vestibular schwannomas (HVSs) are a type of the vestibular schwannomas (VSs) that are extremely difficult to remove. We examined whether HVSs can be predicted by using arterial spin labeling (ASL) imaging. A total of 103 patients with VSs underwent ASL imaging and digital subtraction angiography (DSA) before surgery. Regional cerebral blood flow (CBF) of gray matter and regional tumor blood flow (TBF) were calculated from ASL imaging, and we defined the ratio of TBF to CBF as the relative TBF (rTBF = TBF/CBF). Angiographic vascularity was evaluated by DSA, and clinical vascularity was evaluated by the degree of intraoperative tumor bleeding. Based on the angiographic and clinical vascularity, the VSs were divided into two categories: HVS and non-HVS. We compared rTBF with angiographic and clinical vascularities, retrospectively. The mean rTBFs of angiographic non-HVSs and HVSs were 1.29 and 2.58, respectively (p < 0.0001). At a cutoff value of 1.55, the sensitivity and specificity were 93.9% and 72.9%, respectively. The mean rTBFs of clinical non-HVS and HVSs were 1.45 and 2.22, respectively (p = 0.0002). At a cutoff value of 1.55, the sensitivity and specificity were 79.4% and 66.7%, respectively. The rTBF calculated from ASL imaging correlates well with tumor vascularity and may be useful for predicting HVSs before surgery.     

基于临床病理特征构建胃癌根治术后早期复发风险预测模型

 目的 构建胃癌患者根治术后早期复发风险预测模型,指导个体化治疗与随访。方法 收集接受根治性手术治疗的胃癌患者114例,通过最小绝对收缩和选择算子回归分析进行变量筛选,应用COX回归分析构建预测模型并绘制列线图,通过受试者工作特征曲线(ROC)、log-rank检验、COX回归分析和校准图评价其预测的准确性。结果 通过变量筛选与COX回归分析,构建了基于年龄、性别、黏液腺癌、中分化腺癌、Lauren混合型、病理N分期以及病理分期7个临床病理特征参数的复发指数(RI)预测模型,RI的1年、2年ROC曲线下面积＞0.7,是术后无复发生存的独立风险因素,根据RI,低复发风险患者RFS明显长于高复发风险患者。列线图预测的术后1年、2年复发风险与理想预测值较接近。结论 该模型可以较准确地预测胃癌患者术后早期复发风险,值得在临床上进一步证实与推广。