基于CT平扫影像组学模型预测食管癌淋巴结转移

目的 评估术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移的价值。方法 回顾性分析368例经术前内镜活检及术后病理确诊的食管癌患者,其中100例淋巴结转移、268例无淋巴结转移,按比例3 ∶ 1将其分为训练组（包括201例无淋巴结转移和75例淋巴结转移）和验证组（67例无淋巴结转移和25例淋巴结转移）。自胸部CT中提取食管癌病灶的影像组学特征,并以最小绝对收缩和选择算子（LASSO）回归进行降维,筛选与食管癌淋巴结转移关联度高的特征;采用支持向量机构建预测淋巴结转移的影像组学模型,并以受试者工作特征（ROC）曲线分析模型的诊断效能。结果 共提取1 046个组学特征参数,经LASSO降维筛选出11个特征参数用于建立预测淋巴结转移模型。影像组学模型预测训练组淋巴结转移的曲线下面积（AUC）为0.84,敏感度为84.00%,特异度为75.12%,准确率为77.54%;于验证组的AUC为0.82,敏感度为80.00%,特异度为77.61%,准确率为78.26%。结论 术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移具有较高价值。     

探讨基于增强CT图像特征的列线图模型在预测胃肠道间质瘤(GIST)危险度分级中的价值

目的:观察基于增强CT图像特征的列线图模型在预测胃肠道间质瘤(GIST)危险度分级中的价值分析。方法:将在我院(2016年01月至2022年12月)收治术前行CT增强扫描、术后病理证实、均未经靶向治疗的GIST患者60例。分为高风险组(中危、高危)40例及低风险组(极低危、低危)20例。分为训练组(高风险20例,低风险10例)和验证组(高风险20例,低风险的患者为10例)。使用MATLAB R2018b软件对训练组动脉期增强CT图像进行影像组学特征提取,联合资料建立预测GIST危险度分级模型。结果:高、低风险组间影像组学标签、病变部位、Ki-67表达水平,(P<0.05)。训练组AUC分为0.853、0.620、0.752。一般资料(P>0.05)。训练组GIST风险分级,与影像组学中的标签、病变部位、Ki-67呈正相关(r=0.616、0.266、0.498,P<0.05)。结论:通过基于GIST增强CT图像获得影像组学标签联合临床资料模型,对于术前预测GIST危险度分级,有着较高的应用价值。     

基于18F-FDG PET/CT影像组学构建术前预测卵巢上皮癌淋巴结转移风险模型研究

目的:旨在结合临床特征构建基于PET/CT的影像组学模型,预测卵巢上皮癌淋巴结转移风险。方法:回顾性分析2017年1月—2020年11月接受肿瘤细胞减灭术的卵巢上皮癌患者275例,按照7∶3的比例随机划分为训练组(189例)和验证组(86例)。由两名经验丰富的放射科医生进行手工感兴趣区的勾画并提取组学特征。单变量分析筛选组学特征,Lasso回归分析分别构建基于PET及CT图像组学特征的组学标签。通过多因素Logistic回归分析构建模型,共构建三个模型:临床模型,临床+PET标签模型,临床+CT标签模型。通过受试者工作曲线、校准曲线及净重分类指数对上述模型进行评估,最佳模型构建列线图。结果:Lasso回归分析建立了PET及CT的组学标签,训练组中临床特征+CT组学标签模型的预测能力最好,AUC为0.726(95%CI 0.654~0.797),敏感度0.705,特异度0.667。而在验证组中临床特征+PET组学标签模型预测能力最好,AUC为0.713(95%CI 0.602~0.825),敏感度0.750,特异度为0.652,远高于其他模型。三个模型校准图显示临床特征+PET组学标签的模型在训练组和验证组中均有良好的校准度。临床特征+PET组学标签的模型泛化能力可能更强,我们为这个模型构建了列线图。结论:与单独使用临床特征相比,整合PET/CT的影像组学标签至模型中,可以提高模型诊断准确性并提供互补信息。在研究中构建的影像组学模型列线图是预测卵巢上皮癌患者淋巴结转移风险及高级别浆液性癌无进展生存的有效工具。     

基于CT的全肝影像组学模型评价乙型肝炎肝纤维化分期的价值

目的 以X线计算机体层摄影术(CT)为基础,构建全肝影像组学模型,并对乙型肝炎肝纤维化分期进行评估。方法 收集100例乙型肝炎肝脏纤维化患者的临床及影像资料,按7:3比例分为训练组与验证组,训练组71例,验证组29例。应用AK分析软件提取患者肝脏平扫图像的纹理属性,然后对训练组提取纹理特征展开特征降维操作,再构建出影像组学纤维化指数(RFI)模型。基于RFI模型使用ROC曲线分别用于评估不同纤维化分期的诊断效能,并评价其在验证组中的效能。结果 降维后共剩余8个特征用于构建RFI模型,ROC曲线分析显示RFI模型在训练组和测试组中均表现出良好的预测效能,AUC分别为0.81和0.80,特异度分别为0.74和0.71,敏感度分别为0.81和0.75。结论 应用肝脏CT构建出来的影像组学模型,能够对肝纤维化分期进行定量分析,有望为临床提供一种无创性评价工具。     

基于增强CT影像组学特征预测难治性恶性黑色素瘤肺转移患者的免疫治疗疗效

目的探讨基于胸部增强CT影像组学特征预测免疫治疗用于难治性恶性黑色素瘤肺转移疗效的价值。方法回顾性分析49例难治性恶性黑色素瘤肺内转移患者,均接受程序性死亡受体(PD-1)单抗免疫治疗,采用实体瘤疗效评价标准(RECIST)1.1评价疗效,并将患者分为进展组(n=17)和未进展组[n=32,包括稳定组(n=16)及部分缓解组(n=16)]。提取免疫治疗前增强CT图像中肺转移病灶信息,以3D-Slicer软件手动逐层勾画整个病灶并进行分割;采用Pyradiomics程序提取病灶形状特征、灰度一阶特征、纹理特征和小波特征,以Pearson相关性分析和递归式特征消除策略进行降维。以支持向量机(SVM)方法建立分类模型,预测病变进展的可能性。绘制受试者工作特征(ROC)曲线,评价模型预测进展组、非进展组的效能。结果对每个靶病灶提取841个增强CT影像组学特征,最终筛选出3个影像组学纹理特征,分别为wavelet-HHH_glszm_Low Gray Level Zone Emphasis、wavelet-HHL_first order_Skewness和wavelet-LLL_gldm_Small Dependence High Gray Level Emphasis,用于构建影像组学模型。模型预测训练组病变进展的曲线下面积(AUC)为0.913[95%CI(0.777,1.000)],测试组为0.860[95%CI(0.643,1.000)];预测训练组病变进展的敏感度、特异度、准确率、阳性预测值和阴性预测值分别为83.3%、95.5%、91.2%、90.9%和91.3%,测试组分别为80.0%、80.0%、80.0%、66.7%和88.9%。结论基于治疗前胸部增强CT影像组学特征建立的模型对恶性黑色素瘤肺转移免疫治疗疗效具有较好预测价值。     

基于CT影像组学模型预测肺原位腺癌及微浸润腺癌与浸润性腺癌

目的 探讨基于CT影像组学预测肺腺癌中的原位癌（AIS）和微浸润腺癌（MIA）以及浸润性腺癌（IAC）的价值。方法 回顾性分析542例经手术病理确诊且病理亚型明确的肺腺癌患者，将AIS及MIA归为第1组，IAC为第2组。比较2组患者性别和年龄差异。采用特征提取软件提取病灶三维纹理特征参数，分析组间差异明显的影像组学特征，筛选最佳影像组学特征构建预测模型。按2：1比例将数据分为训练集和验证集，采用6种机器学习算法对5倍交叉验证数据集进行分类，选择最佳分类器；以之分析5倍交叉验证数据集、训练集和验证集，获得模型预测肺腺癌病理分型的ROC曲线及相应AUC、特异度、敏感度及准确率。结果 第1组235例，第2组307例，组间性别和年龄差异均无统计学意义（χ²=0.56、t=-0.19，P=0.63、0.98）。共提取病灶1 766个三维纹理特征参数，其中988个影像组学特征存在明显组间差异，最终以10个最佳影像组学特征构建预测模型。以Perceptron分类器为最佳分类器。模型预测验证集病理分型的AUC为0.95，准确率、特异度、敏感度分别为0.88、0.87、0.84。结论 基于CT影像组学模型能有效预测肺腺癌中的AIS及MIA与IAC。     

MRI影像组学鉴别三阴性与非三阴性乳腺癌的价值

目的探讨基于多参数MRI影像组学特征在术前鉴别诊断三阴性与非三阴性乳腺癌的价值。方法回顾性分析106例乳腺癌患者的多参数MRI图像,73例为训练组,33例为验证组。根据病理分子分型,将患者分为三阴性乳腺癌24例,非三阴性82例。采用ITK软件手动勾画病灶体积兴趣区(VOI),于A.K软件中提取影像组学特征并进行筛选,以构建组学标签。采用多元Logistic回归分别构建4个预测模型:ADC、T2WI、DCE、联合特征集,采用ROC曲线下面积、敏感度、特异度评价训练组中影像组学标签鉴别三阴性与非三阴性乳腺癌的诊断效能,并用验证组进行验证。结果训练组中,T2WI的AUC值最高0.993,高于其他特征集(ADC:0.964;DCE:0.866;联合:0.973)。验证组中T2WI预测模型的AUC值为0.885高于其他特征集(ADC:0.837;DCE:0.810;联合:0.880)。敏感度T2WI和DCE特征集最高达96%。ADC特征集特异度最高81.5%。结论基于MRI的影像组学特征在鉴别三阴性与非三阴性乳腺癌方面具有较大价值,尤其是基于T2WI序列的组学标签,可能是潜在的生物学标志。     

增强CT模型及影像组学模型预测肾透明细胞癌WHO/ISUP分级

目的 比较增强CT模型与影像组学模型预测肾透明细胞癌（ccRCC）WHO/ISUP分级的效能。方法 回顾性分析131例经病理确诊ccRCC患者,按照3 ∶ 2比例分层抽样分为训练集（n=78）和验证集（n=53）。根据2016版肾癌WHO/ISUP病理分级标准,以Ⅰ~Ⅱ级为低级别、Ⅲ~Ⅳ级为高级别ccRCC。训练集55例低级别、23例高级别ccRCC;验证集37例低级别、16例高级别ccRCC。以训练集构建增强CT模型及影像组学模型预测ccRCC级别,于验证集加以验证,比较其诊断效能。结果 增强CT模型在训练集及验证集预测高、低级别ccRCC的曲线下面积（AUC）分别为0.89及0.76,敏感度分别0.83及0.56,特异度分别为0.84及0.87;影像组学模型的AUC分别为0.98及0.85,敏感度分别0.96及0.91,特异度分别为0.75及0.84。训练集中影像组学模型的AUC大于增强CT模型（Z＝2.05,P<0.05）,验证集中二者AUC差异无统计学意义（Z＝0.95,P=0.34）。决策曲线分析结果显示高风险概率阈值为0.08~1.00时,影像组学模型净获益高于增强CT模型。结论 影像组学模型预测ccRCC WHO/ISUP分级的效能优于增强CT模型。     

基于磁共振T2WI序列影像组学预测急性胰腺炎复发的价值

目的 探讨磁共振T2WI序列影像组学在预测急性胰腺炎复发中的价值.材料与方法 回顾性研究川北医学院附属医院2014年1月至2015年12月急性胰腺炎(acute pancreatitis,AP)患者147例,其中首发AP患者102例、复发性急性胰腺炎(recurrent acute pancreatitis,RAP)患者45例,以7:3比例随机地将其分为训练组和验证组,训练组102例(AP 70例,RAP 32例)和验证组45例(AP 32例,RAP 13例),同时收集两组临床特征(年龄、性别、结石、高脂血症、饮酒史、并发症、严重程度).利用IBEX软件勾画三维的胰腺实质周围并提取纹理特征,包括灰度共生矩阵、灰度游程矩阵、直方图、形状.采用单因素分析、套索算法(least absolute shrinkage and selection operator,LASSO)进行特征筛选,并采用Logistics回归建立预测AP复发的影像组学模型、临床模型,通过ROC曲线下面积(area under the curve,AUC)评估模型预测效能.结果 基于8个纹理特征(信息测量校正、集群趋势、相关性、非相似性、熵、游程非均匀性、偏度、体积)的影像组学模型对预测AP复发具有较高的诊断效能,在训练组中影像组学模型预测AP复发的AUC为0.870(95％CI:0.791～0.949),敏感度为0.903,特异度为0.831,在验证组中AUC为0.836(95％CI:0.718～0.954),敏感度为0.786,特异度为0.774,基于高脂血症的临床模型预测AP复发的AUC为0.634(95％CI:0.550～0.717),敏感度为0.689,特异度为0.578.结论 基于磁共振T2WI序列影像组学模型可预测AP复发.信息测量校正、集群趋势、相关性、非相似性、熵、游程非均匀性、偏度、体积是RAP的显著预测因素.     

胃肠道间质瘤病理危险度分级的CT放射组学模型研究

目的构建胃肠道间质瘤(GISTs)病理危险度分级的CT放射学模型并验证其效果。方法回顾性分析沧州市中心医院收治的140例GISTs患者术前动脉期CT图像。将患者依据2008年美国国立卫生研究院(NIH)分类标准分为极低危组(n=8)、低危组(n=47)、中危组(n=33)和高危组(n=52)4组,并将患者按随机数字表法随机分为训练组(n=100)和验证组(n=40)。比较训练组和验证组的临床特点。从肿瘤全部感兴趣体积(VOI)中提取396个CT放射组学特征,采用随机森林算法选择5个关键特征,构建放射组学模型,并分析放射组学模型性能。结果训练组和验证组的年龄和性别在GISTs危险度分级上差异无统计学意义(P1=0.844和0.464;P2=0.807和0.464;P3=0.638和0.392;P4=0.619和0.334)。放射组学模型性能结果显示,训练组准确性为0.621;特异度为0.812;敏感度为0.615;阳性预测值(PPV)为0.619;阴性预测值(NPV)为0.845;曲线下面积(AUC)为0.829(95%CI:0.756~0.902)。验证组准确性为0.633;特异性为0.824;敏感性为0.767;PPV为0.609;NPV为0.856;AUC为0.859(95%CI:0.792~0.926)。结论基于CT放射组学模型可于术前对GISTs危险度分级进行有效鉴别,对临床医师指导治疗,评估预后具有很大帮助。     

基于增强CT放射组学预测肝细胞肝癌病理分级

目的 观察增强CT放射组学术前预测肝细胞肝癌（HCC）病理分级的可行性及价值。方法 回顾分析429例经手术病理证实的HCC患者，分为训练组（n=329）和测试组（n=100），记录其临床特征；提取动脉期（AP）及静脉期（VP）CT图像的放射组学特征，应用最小绝对值收敛和选择算子（LASSO）回归分析法对其进行降维，筛选最有价值的组学特征后，构建基于AP、VP、AP+VP图像特征的组学模型，计算2组放射学评分并进行二分类判别。根据病理结果定义高级别和低级别HCC，采用10倍交叉验证训练选择最优组学预测模型，筛选对预测HCC病理分级有意义的临床特征后，构建临床模型以及联合组学特征和临床特征的联合模型。绘制3种模型预测训练组和测试组HCC病理分级的ROC曲线，评估其诊断能力。结果 联合组学模型最优，其判别训练组及测试组高级别和低级别HCC的放射学评分的差异均有统计学意义（Z=8.58、3.24，P均<0.05）。测试组中，联合模型预测HCC病理分级的AUC值（0.70）与组学模型（0.69）和临床模型（0.63）差异均无统计学意义（P均>0.05）。结论 基于增强CT图像的放射组学特征可用于术前预测HCC病理分级。     

临床及CT影像组学特征预测胃癌微卫星高度不稳定状态

目的 观察临床和CT影像组学特征用于预测胃癌微卫星高度不稳定(MSI-H)状态的价值。方法 纳入150例胃癌患者,MSI-H阳性30例、阴性120例;按7∶3比例将其分为训练集(n=105)和验证集(n=45)。基于腹部静脉期增强CT图提取病灶影像组学特征并加以筛选,计算影像组学评分(Radscore);比较训练集和验证集MSI-H阳性与阴性患者临床资料及Radscore差异;分别基于其间差异有统计学意义的临床因素和Radscore构建临床模型、CT影像组学模型及临床-CT影像组学联合模型,评估其预测胃癌MSI-H状态的价值。结果 训练集和验证集中,MSI-H阳性与阴性肿瘤位置、Radscore差异均有统计学意义(P均<0.05)。临床模型、CT影像组学模型及联合模型评估训练集胃癌MSI-H状态的曲线下面积(AUC)分别0.760、0.799及0.864,在验证集分别为0.735、0.812及0.849;联合模型的AUC大于2种单一模型(P均<0.05)。结论 基于肿瘤位置和Radscore的临床-CT影像组学联合特征可有效预测胃癌MSI-H状态。     

基于增强CT影像组学模型预测胰十二指肠切除术后胰瘘

目的 评估基于术前腹部增强CT影像组学模型预测胰十二指肠切除术（PD）术后胰瘘（POPF）的价值。方法 回顾性分析252例接受PD患者的术前腹部增强CT资料,按7：3比例将其分为训练集（n=177）和验证集（n=75）。于训练集增强静脉期CT图像中勾画胰腺实质作为感兴趣容积（VOI）,提取其影像组学特征,并筛选最优特征建立影像组学模型;绘制模型预测PD术后POPF的受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评价模型预测效能;以验证集数据进行验证。结果 共选出14个最优影像组学特征用于构建影像组学模型。影像组学模型在训练集和验证集的AUC分别为0.82[95%CI（0.76,0.88）]和0.82[95%CI（0.72,0.91）]。结论 基于术前增强CT影像组学模型能有效预测PD术后POPF。     

基于CT影像组学结合机器学习模型预测食管胃结合部腺癌人表皮生长因子受体2状态

目的 评估基于C T影像组学结合机器学习模型术前预测食管胃交界处腺癌(A EG)人表皮生长因子受体2(HER2)状态的价值.方法 回顾性分析101例经术后病理证实的AEG患者,按7:3比例将其分为训练集(n=70)和验证集(n=31).基于门静脉期增强CT提取AEG影像组学特征,以最小绝对值选择与收缩算子回归模型针对训...     

基于临床联合CT影像组学特征列线图预测急性胰腺炎预后

目的 观察基于临床联合CT影像组学特征构建的联合模型列线图预测急性胰腺炎(AP)预后的价值。方法 回顾性分析203例临床首诊AP患者的临床及上腹部CT资料,按7∶3比例将其分为训练集(n=142)和验证集(n=61),基于增强静脉期CT提取并筛选最优影像组学特征,计算影像组学评分Radscore;根据预后分为预后良好组(n=114)与预后不良组(n=89)。将临床变量(包括临床及CT表现)及Radscore纳入单因素和多因素逻辑回归分析,筛选影响AP预后的独立危险因素;构建临床、影像组学和联合模型,以受试者工作特征(ROC)曲线评价其预测AP预后的效能;以联合模型预测指标构建列线图,结合校准曲线评估其校准度。结果 共筛选出7个最优影像组学特征用于计算Radscore,其中C反应蛋白、糖尿病史和Radscore为影响AP预后的独立危险因素。联合模型预测训练集及验证集AP预后的AUC(0.84、0.82)均高于临床模型(0.71、0.66,Z=3.12、2.71,P均<0.05);其预测训练集的AUC(0.84)高于影像组学模型(0.76,Z=2.39,P=0.02),预测验证集的A...     

增强CT影像组学列线图预测膀胱尿路上皮癌肌层浸润

目的 评价增强CT影像组学列线图预测膀胱尿路上皮癌肌层浸润的可行性。方法 纳入91例膀胱尿路上皮癌患者,根据手术病理结果分为非肌层浸润性膀胱癌（NMIBC）组（n=51）和肌层浸润性膀胱癌（MIBC）组（n=40）,比较组间CT特征差异。利用Mazda软件提取病变纹理参数,以Lasso算法筛选,联合十折交叉验证构建Logistic回归影像组学列线图。绘制受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评估列线图预测膀胱尿路上皮癌肌层浸润的效能。结果 CT形态不规则多见于MIBC组,NMIBC组与MIBC组肿瘤CT形态特征差异具有统计学意义（P<0.05）。Logistic回归组学列线图预测肌层浸润AUC为0.881,特异度为76.5%,敏感度87.5%,危险因素包括动脉期S（3,3）SumAverg、S（4,-4）InvDfMom及静脉期S（3,-3）DifEntrp、Perc.90%。结论 增强CT影像组学列线图有助于术前预测膀胱尿路上皮癌肌层浸润。     

灰阶超声影像组学鉴别诊断皮下组织血管瘤与卡波西型血管内皮瘤

目的 观察灰阶超声影像组学鉴别诊断皮下组织血管瘤(HE)与卡波西型血管内皮瘤(KHE)的价值。方法 回顾性分析143例皮下组织HE和70例KHE共252处病灶,按7∶3比例将病灶随机分为训练集(n=176)和验证集(n=76);提取病灶灰阶超声影像组学特征,构建影像组学模型,结合临床资料建立联合模型,观察各模型鉴别诊断皮下组织HE与KHE的效能。结果 共选取22个系数非零的稳定特征。影像组学模型鉴别训练集皮下组织HE与KHE的曲线下面积(AUC)、准确率、敏感度、特异度、阳性预测值及阴性预测值分别为0.91[95%CI(0.89,0.93)]、91.41%、83.20%、93.92%、95.79%及89.00%;用于验证集分别为0.85[95%CI(0.83,0.87)]、90.78%、79.32%、97.90%、96.71%及88.68%。联合模型鉴别训练集皮下组织HE与KHE的AUC、准确率、敏感度、特异度、阳性预测值及阴性预测值分别为0.94[95%CI(0.92,0.96)]、94.33%、90.77%、96.38%、94.23%及94.90%;用于验证集分别为0.90[95%...     

基于MRI影像组学鉴别浸润性与非浸润性乳腺癌

目的 探讨基于MRI影像组学鉴别浸润性与非浸润性乳腺癌的价值。方法 回顾性分析100例接受乳腺常规MR和动态增强扫描的乳腺癌患者（75例浸润性、25例非浸润性），将其分为训练组（n=70）和验证组（n=30）。提取病灶纹理特征，采用最小绝对缩减和变量选择算子（LASSO）回归对训练组纹理特征进行降维，建立影像组学标签。比较浸润性与非浸润性乳腺癌临床、病理及影像学特征，以多因素Logistic回归分析建立影像组学模型，采用ROC曲线评价模型的诊断效能。结果 共提取3 132个影像学特征，经LASSO回归降维获得19个价值较高者，建立影像组学标签。浸润性与非浸润性乳腺癌之间，训练组和验证组毛刺、基底细胞角蛋白（CK5/6）、瘤细胞增殖因子（Ki-67）和影像组学标签差异均有统计学意义（P均<0.05），训练组时间-强度曲线（TIC）类型差异有统计学意义（P<0.05），验证组TIC类型差异无统计学意义（P>0.05）。训练组CK5/6、Ki-67和影像组学标签为浸润性乳腺癌的独立危险因素（P均<0.05）；以其构建影像组学模型，在训练组和验证组鉴别浸润性乳腺癌的AUC分别为0.97和0.85，均优于CK5/6、Ki-67和影像组学标签。结论 基于MRI影像组学模型鉴别浸润性与非浸润性乳腺癌效果较好。     

基于增强CT瘤体与瘤周CT值比值鉴别G3级胰腺神经内分泌瘤与胰腺神经内分泌癌

目的 观察基于增强CT瘤体与瘤周CT值比值鉴别G3级胰腺神经内分泌瘤(PNET)与胰腺神经内分泌癌(NEC)的价值。方法 回顾性分析39例接受腹部CT检查的胰腺神经内分泌肿瘤患者,根据病理结果将其纳入G3级PNET组(n=18)或PNEC组(n=21),比较组间一般资料、CT特征及动静脉期瘤体与瘤周CT值比值;以单因素logistic回归分析及受试者工作特征(ROC)曲线筛选鉴别G3级PNET与PNEC的有效指标,构建多因素logistic回归模型,分析各模型鉴别诊断效能。结果 组间患者年龄、性别、肿瘤大小、位置、成分、钙化,以及动脉期CT比值₁(瘤体CT值/瘤体边缘至瘤周10 mm间CT值)及门静脉期CT比值₁差异均无统计学意义(P均>0.05);肿瘤均匀性、主胰管扩张、胆管扩张、胰管内侵犯、血管侵犯、动脉期CT比值₂(瘤体CT值/瘤周10 mm至瘤周20 mm间CT值)及门静脉期CT比值₂差异均有统计学意义(P均<0.05),且均为鉴别G3级PNET与PNEC的有效指标。分别以动脉期...     

MRI影像组学预测结直肠癌患者KRAS基因突变

目的 构建MR T2WI影像组学模型,评价其预测结直肠癌患者Kirsten大鼠肉瘤（KRAS）病毒癌基因亚型的价值。方法 将99例经病理证实的结直肠癌患者分为训练组（n=68）及验证组（n=31）,根据KRAS基因检测结果进一步将其分为突变亚组及野生亚组,训练组2亚组分别含36、32例,验证组2亚组分别含16、15例,比较亚组间实验室检查结果及肿瘤大小的差异;提取并筛选训练组MR T2WI影像组学特征,构建影像组学模型、临床模型及影像组学-临床联合模型。绘制受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评价各模型预测结直肠癌患者KRAS基因亚型的效能;以DeLong检验比较各模型间效能差异。通过校正曲线分析3种模型的校正性能,以Hosmer-Lemeshow检验评价校准曲线的校准度;以决策曲线分析（DCA）评价3种模型临床应用价值。结果 训练组和验证组内亚组间实验室检查结果及肿瘤大小差异均无统计学意义（P均>0.05）。共提取3个组学特征用于构建预测模型。影像组学模型与临床模型、影像组学-临床联合模型预测2组KRAS基因亚型的AUC差异均无统计学意义（P均>0.05）;影像组学-临床联合模型预测训练组KRAS基因亚型的AUC显著高于临床模型（P<0.05）,但在验证组差异均无统计学意义（P>0.05）。校准曲线及Hosmer-Lemeshow检验显示3种模型预测值和观察值的一致性良好（P均>0.05）。影像组学模型和影像组学-临床联合模型在2组中的DCA曲线净收益值均高于临床模型。结论 MR T2WI影像组学纹理特征预测结直肠癌患者KRAS基因突变亚型具有一定潜力。