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。     

基于增强CT影像组学列线图预测单发肝细胞癌GPC3表达状态

目的 探讨增强CT影像组学列线图在鉴别单发肝细胞癌（HCC）磷脂酰肌醇蛋白聚糖3（GPC3）表达中的价值。方法 回顾性收集来自2个医疗机构共152例单发HCC病人的临床及影像资料,所有病人均行上腹部增强CT扫描并记录GPC3表达水平。天津市第一中心医院的106例病人资料作为训练集（GPC3阳性83例、阴性23例）,天津医科大学肿瘤医院的46例病人资料作为验证集（GPC3阳性35例、阴性11例）。对所有病人术前1个月内增强CT影像进行影像组学特征提取。在训练集中,对所有影像组学特征进行降维并得到最优子集,计算影像组学评分（Radscore）;比较GPC3阳性组和阴性组间临床资料[包括血清甲胎蛋白（AFP）、糖类抗原199（CA199）等]的差异,将差异有统计学意义的指标进行二元logistic回归分析,获得GPC3阳性的独立预测因素。将获得的临床信息及Radscore分别建立临床列线图、影像组学列线图及联合列线图。采用受试者操作特征曲线下面积（AUC）分析各列线图对GPC3表达状态的预测能力,采用DeLong检验比较各列线图间的诊断效能,并用决策曲线分析评估列线图的临床价值。使用验证集数据对列线图预测效能进行验证。结果 二元logistic回归显示血清AFP、CA199、Radscore是GPC3阳性的独立危险因素[优势比（OR）分别为8.503、1.090、13 300.044,均P<0.05]。校准曲线显示联合列线图对GPC3阳性表达的预测概率与实际概率一致性良好。训练集中,联合列线图的AUC（0.918）高于影像组学列线图（0.842）和临床列线图（0.787）（均P<0.05）,联合列线图的敏感度最高,而临床列线图的特异度最高;验证集中,联合列线图的AUC（0.896）高于影像组学列线图（0.726）和临床列线图（0.803）（均P<0.05）,联合列线图的敏感度和特异度均最高。决策曲线分析显示当阈值概率处于16%~86%时,联合列线图的临床净获益高于临床列线图和影像组学列线图。结论 基于增强CT的影像组学列线图可以术前鉴别单发HCC GPC3阳性和阴性表达,联合列线图进一步提高了预测效能。     

CT影像组学预测结肠癌淋巴血管间隙浸润价值研究

目的：构建预测结肠癌淋巴血管间隙浸润（LVSI）的临床影像模型、CT影像组学模型和两者联合模型,并从中筛选出最优模型。方法：收集接受增强CT检查的365例结肠癌患者资料,根据手术病理结果分为LVSI+(n=84)及LVSI-(n=281),样本按7:3比例随机分为训练集（n=256）和验证集（n=109）。比较临床、影像指标组间差异并建立临床影像模型;对静脉期CT图像上全肿瘤区域进行感兴趣区（ROI）勾画并提取影像组学特征,经降维、筛选后共获得16个最优特征并建立CT影像组学模型;再构建临床影像与CT影像组学联合模型。比较各模型效能,绘制最优模型列线图,并评估其性能。结果：LVSI+及LVSI-组间淋巴结长径、癌胚抗原（CEA）、糖类抗原19-9 (CA19-9)、肿瘤部位差异均有统计学意义（P<0.05）。临床影像模型、CT影像组学及联合模型受试者工作特征曲线下面积（AUC）分别为0.726、0.784、0.851 （训练集）和0.729、0.768、0.833 （验证集）。联合模型AUC均大于临床影像模型（P<0.05）。列线图校准度较高,决策曲线范围为0.15～0.9...     

基于临床指标-CT征象的列线图模型术前预测结直肠癌微卫星不稳定状态

【摘要】目的：探讨基于临床指标和CT征象构建的列线图模型术前预测结直肠癌（CRC）患者微卫星不稳定状态（MSI）的价值。方法：回顾性连续搜集2016年1月－2022年12月在本院经病理诊断为结直肠腺癌的347例患者的术前临床和CT检查资料。CT资料包括平扫及对比增强动脉期、静脉期和延迟期图像。其中,276例为微卫星稳定状态（MSS）,71例为MSI。按照7︰3的比例将所有患者随机分为训练集（243例）和验证集（104例）。采用单因素分析（t检验、U检验或卡方检验）对两组之间年龄、性别、病史和实验室检查等临床指标及CT征象［临床T分期、临床N分期、病变肠管的长度及最厚径、病变的部位、强化方式及各期相对CT值(CR=病变CT值/同层面腹主动脉或其分支的CT值)］的差异进行比较。随后,将有统计学意义的变量纳入多因素二元logistic回归分析,筛选出预测CRC患者MSI状态的独立危险因素并构建预测模型,随后绘制模型的列线图。分别采用ROC曲线、校准曲线和决策曲线（DCA）评估列线图模型的预测效能、预测准确性和临床实用性。结果：单因素分析结果显示血小板（PLT）水平、系统免疫炎症指数（SII）、病变部位、强化方式、四期图像上病灶的CR值在MSS组与MSI组之间的差异有统计学意义（P<0.05）。多因素逻辑回归分析结果显示PLT、SII、病变部位、强化方式和动脉期CR是CRC患者MSI状态的独立预测因子。根据多因素分析结果所构建的列线图模型具有较好的MSI预测效能：在训练集和验证集中的ROC曲线下面积（AUC）分别为0.765和0.783;校准曲线表明列线图模型的拟合优度良好;DCA结果显示列线图模型在预测CRC患者MSI状态时具有较高的临床净获益率。结论：基于临床-CT征象构建的列线图模型可作为术前检测CRC患者MSI状态的辅助工具,能够协助制定CRC患者的治疗策略和评估患者预后。     

基于增强CT影像组学预测食管鳞癌淋巴血管侵犯状态的价值

目的:探讨基于增强CT影像组学预测食管鳞癌(ESCC)淋巴血管侵犯(LVI)的价值。方法:回顾性搜集行根治性切除术并经术后病理证实的224例食管鳞癌患者,其中包括66例LVI阳性和158例LVI阴性患者。所有患者均在术前2周内进行胸部增强CT扫描。将入组的患者按照7:3的比例随机分为训练集和测试集。使用3D Slicer软件逐层勾画全肿瘤感兴趣区(ROI),采用Python软件的Pyradiomics包提取肿瘤组织的影像组学特征,建立影像组学模型用于预测食管鳞癌的LVI状态并进行验证。采用受试者工作特征(ROC)曲线的曲线下面积(AUC)、敏感度、特异度、准确度、阳性预测值和阴性预测值来评价影像组学模型的诊断效能,使用校准曲线评价影像组学模型在训练集和测试集中的拟合程度。使用决策曲线分析(DCA)评价影像组学模型的临床应用价值。结果:从全肿瘤ROI中提取了1130个组学特征,经过筛选最终保留了7个影像组学特征,并使用多因素logistic回归建立影像组学预测模型。在训练集中,影像组学模型预测LVI的AUC值为0.930,敏感度为0.851,特异度为0.919,准确度为0.899,阳性预...     

联合CT特征和病理预测结直肠癌脉管侵犯的初步研究

目的：探讨联合CT特征和常规病理指标预测结直肠癌（CRC）脉管侵犯（LVI）的价值。方法：回顾性收集310例CRC患者资料,按照6∶4的比例纳入训练组（186例）和验证组（124例）。对可能影响LVI的因素采用单因素分析和多因素logistic回归分析,以明确影响LVI阳性的独立危险因素,并建立回归模型。采用受试者工作特征曲线评估训练组和验证组的预测效能。结果：单因素分析发现训练组中肿瘤T分期、N分期、肿瘤分化程度、肿瘤沉积、肠梗阻、瘤周脂肪浸润类型在LVI阳性与阴性组间差异具有统计学意义（P<0.05）。多因素logistic回归分析发现训练组中T3、T4期、N2期、线样及结节样瘤周脂肪浸润类型是脉管侵犯的独立危险因素。训练组logistic回归模型预测LVI阳性的灵敏度为79.7%、特异度为61.7%,曲线下面积为0.787。该模型在验证组中预测LVI阳性的灵敏度为82.2%、特异度为67.1%,曲线下面积为0.783。结论：T分期、N分期及瘤周脂肪浸润类型有助于预测CRC患者LVI是否阳性。     

基于增强CT影像组学评估肝硬化患者肝储备功能的应用

【摘要】目的：基于增强CT影像组学特征构建列线图预测模型对肝硬化患者肝储备功能进行Child-Pugh分级。方法：回顾性分析经临床证实的144例肝硬化患者,按照Child-Pugh评分标准分成Child-Pugh A级33例, B级60例,C级51例。构建Child-Pugh A vs Child-Pugh B/C及Child-Pugh A/B vs Child-Pugh C两个数据集,分别以8：2的比例随机分成训练集和测试集。在3期增强CT图像上手动勾画肝脏区域作为感兴趣区(ROI),于感兴趣区中提取并筛选特征。建立影像组学标签并构建列线图预测模型,将模型用于训练集及测试集,并绘制受试者工作特性曲线（ROC）评估其效能。结果：在Child-Pugh A vs Child-Pugh B/C数据集中,列线图在训练集与测试集中AUC分别为0.920和0.807,敏感度分别为0.933和0.741,特异度分别为0.846和0.826。在Child-Pugh A/B vs Child-Pugh C数据集中,列线图在训练集与测试集中AUC分别为0.880和0.821,敏感度分别为0.805和0.818,特异度分别为0.878和0.947。结论：基于不同肝脏储备功能肝硬化患者的腹部3期CT增强图像组学特征建立的列线图模型可作为预测Child-Pugh分级较为可靠的辅助诊断工具。     

基于CT影像征象构建非小细胞肺癌胸膜浸润的列线图预测模型

目的 基于CT影像征象构建非小细胞肺癌胸膜浸润的列线图预测模型。方法 搜集诊断为非小细胞肺癌的患者265例，根据患者是否发生脏层胸膜浸润(VPI)分为VPI组(68例)和无VPI组(197例)。所有患者ROC曲线分析获取各因素的最佳截断值，单因素及多因素回归分析非小细胞肺癌胸膜浸润的CT指标，R软件“rms”包构建预测非小细胞肺癌胸膜浸润CT指标的列线图模型，校正曲线对列线图模型进行内部验证，决策曲线评估列线图模型的预测效能。结果 两组患者病理类型比例、肿瘤部位比例比较差异无统计学意义(P>0.05);VPI组肿瘤直径、N分期(N2、N3)比例、M分期(M2)比例、分化程度(高分化)比例均高于无VPI组(P<0.05)。两组患者有毛刺征比例、有胸膜下积液比例、有表面皱缩纹比例的比较差异无统计学意义(P>0.05),VPI组病灶边缘特征为粗糙比例、病灶形状特征为不规则比例、病灶有紧贴胸壁比例均高于无VPI组(P<0.05)。经单因素及多因素回归分析显示，分化程度、病灶紧贴胸壁、胸膜凹陷征、病灶边缘粗糙、N分期及M分期为非小细胞肺癌胸膜浸润的CT特征指标。分化程度、...     

基于CT影像组学术前预测淋巴结阴性胃癌淋巴血管侵犯

目的 探讨基于CT影像组学术前预测淋巴结阴性胃癌淋巴血管侵犯(LVI)的价值,并结合临床变量构建列线图。资料与方法 回顾性分析浙江大学医学院附属邵逸夫医院2019年1月—2021年6月173例淋巴结阴性且病理证实为胃癌患者的临床及CT影像,其中LVI阳性60例,LVI阴性113例,按7∶3随机分为训练组(n=121)和验证组(n=52)。基于训练组分别构建临床模型、影像组学模型、融合模型,并在验证组进行验证。临床资料和常规CT特征包括年龄、性别、肿瘤指标、肿瘤部位、肿瘤形态、强化幅度等,通过单因素及多因素分析筛选出临床显著变量并建立临床模型。用3D-Slicer软件勾画肿瘤感兴趣区并提取影像组学特征,用最小绝对值收缩和选择算子降维筛选特征,然后通过随机森林构建影像组学模型,并转化为随机森林评分。联合临床显著变量和随机森林评分构建融合模型并可视化为列线图。根据受试者工作特征曲线及曲线下面积(AUC)评估模型的预测效能,采用决策曲线分析评估临床实用性。结果 影像组学模型优于临床模型,训练组和验证组中影像组学模型AUC分别为0.872(0.810～0.935)、0.827(0.707～0.9...     

基于增强CT影像组学列线图预测进展期胃癌隐匿性腹膜转移

目的 探讨基于增强CT影像组学列线图在术前预测进展期胃癌隐匿性腹膜转移（PM）中的价值。方法 回顾性收集经手术病理证实为进展期胃癌且行术后PM评估的110例病人的临床及影像学资料,其中男77例,女33例,平均年龄（64.65±10.24）岁。所有病人术前均行全腹部增强CT检查且PM诊断为阴性。将全部病人按7∶3的比例随机分为训练集77例（术后PM阳性33例）与验证集33例（术后PM阳性14例）。采用卡方检验及二元Logistic回归分析筛选与隐匿性PM显著相关的独立预测因素来构建临床模型。基于增强CT影像提取并筛选影像组学特征,构建组学模型并计算模型的影像组学评分（Radscore）。将临床独立预测因素与Radscore联合来构建联合模型及其列线图。采用受试者操作特征（ROC）曲线评估各模型的预测效能,DeLong检验比较各模型间的AUC值,并用校准曲线及决策曲线分析评估联合模型的拟合优度和临床价值。结果 在训练集及验证集中,联合模型的预测效能（AUC值分别为0.944、0.915）均高于临床模型（AUC值分别为0.780、0.865）及组学模型（AUC值分别为0.844、0.825）...     

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=...     

CT影像组学对中轴骨脊索瘤与骨巨细胞瘤的鉴别诊断价值

目的:建立术前鉴别中轴骨脊索瘤与骨巨细胞瘤的影像组学模型,并验证其诊断效能.方法:回顾性纳入中轴骨脊索瘤59例、骨巨细胞瘤33例共92例患者,64例为训练集,28例为验证集.基于CT图像进行影像组学特征提取,采用LASSO模型进行特征选择,构建影像组学模型,并计算影像组学得分(Rad-score).通过Logistic...     

Assessing chemotherapy response of squamous cell oesophageal carcinoma with spiral CT

45 patients with squamous cell carcinoma of the oesophagus were examined prior to, and following, pre-operative chemotherapy by spiral CT. Oesophageal CT was performed following gaseous distention of the oesophagus. TNM stage and perceived resectability on CT before and after chemotherapy were compared and related to surgical resectability and pathological staging. T-stage changed in 26% and N-stage changed in 9% of tumours after chemotherapy. Post-chemotherapy CT predicted pathological T-stage with an accuracy of 88% and N-stage with an accuracy of 84%. Six of 14 tumours considered irresectable on CT pre-chemotherapy were considered resectable on post-chemotherapy CT. Five of these six tumours were resectable at surgery. Post-chemotherapy CT predicted surgical resectability with an accuracy of 88%, the main pitfall being underestimation and overestimation of tracheobronchial invasion. CT prediction of chemotherapy response as judged by change in tumour volume was compared with a quantitative pathological assessment of chemotherapy response. 93% of oesophageal tumours changed volume after chemotherapy with 51% having a volume reduction of > or = 50%. However, no correlation was found between tumour volume reduction on serial CT examinations and either a quantitative pathological assessment of tumour response or patient survival.     

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。     

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。     

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...     

高分辨率CT影像组学联合传统影像学征象预测肺腺癌微血管浸润的价值

目的 探讨高分辨率CT（HRCT）影像组学联合传统影像学征象的综合模型预测肺腺癌微血管浸润的价值。 方法 回顾性分析2015年6月至2019年4月于青岛大学附属医院就诊的微血管浸润状态明确的肺腺癌患者65例（微血管浸润阳性30例、阴性35例）,其中,男性33例、女性32例,年龄34~83（60.7±10.3）岁。以患者HRCT检查时间为编号,通过系统随机抽样方法将患者按约3∶1等距抽样分为2组:训练组46例,验证组19例。训练组用于模型的建立,验证组用于模型的效能评价。通过两独立样本t检验、χ2检验或Fisher确切概率法筛选训练组中微血管浸润阳性与阴性患者间差异有统计学意义的传统影像学征象。勾画2组患者的肿瘤三维感兴趣区并提取影像组学特征,通过单因素方差分析和Lasso-Logistic回归分析筛选训练组中有鉴别价值的最优影像组学特征,计算影像组学得分。通过Logistic回归分析构建联合影像组学得分和传统影像学征象预测肺腺癌微血管浸润的综合模型,并绘制列线图,进行效能评价。 结果 共提取影像组学特征1308个,最终得到6个最优影像组学特征。传统影像学征象中仅肿瘤最大径在微血管浸润阳性与阴性患者间的差异有统计学意义[（28.10±11.39）mm对（22.32±6.26） mm;t=5.580,P=0.035],其在训练组中的曲线下面积（AUC）为0.648(95%CI:0.493~0.783)、灵敏度为38.1%、特异度为88.0%;在验证组中的AUC为0.783(95%CI:0.538~0.936)、灵敏度为88.9%、特异度为70.0%。预测肺腺癌微血管浸润的综合模型在训练组中的AUC为0.880(95%CI:0.750~0.957),灵敏度为90.5%,特异度为72.0%;在验证组中的AUC为0.811(95%CI:0.568~0.951),灵敏度为88.9%,特异度为80.0%。 结论 基于HRCT影像组学联合传统影像学征象的综合模型对肺腺癌微血管浸润具有较高的预测价值,有助于肺腺癌患者的术前评估。     

Accuracy of CT prediction of poor prognostic features in colonic cancer

Whilst imaging of poor prognostic features in rectal cancers has assisted pre-operative treatment stratification, such features have yet to be evaluated in colonic cancers. This study aims to develop criteria for identifying poor prognostic features in colonic tumours and assess the accuracy of CT prediction against histopathology. Criteria were developed for predicting T-stage and N-stage, the presence of extramural vascular invasion and involvement of the retroperitoneal surgical margin (RSM). These criteria were tested on 33 patients with colonic cancer who underwent pre-operative high-resolution CT of their tumour. Two radiologists (Obs 1 and Obs 2) identified independently these poor prognostic features and the results were compared with the final histopathological results. Histological agreement and interobserver variation were calculated using the kappa test. Accuracy of CT prediction of tumour extension beyond muscularis propria was 82% (Obs 1) and 70% (Obs 2). Correct prediction of RSM involvement was 76% (95% confidence interval (CI): 57.8-88.9%) and 79% (95%CI: 61.1-91%) for Obs1 and Obs 2, respectively, with significant agreement between observers (kappa = 0.455, p = 0.050). Prognosis was correctly predicted using CT in 82% (95%CI: 61.5-81.2%) (Obs1) and 85% (95%CI: 68.1-94.9%) (Obs2) with moderate agreement (kappa = 0.459, kappa = 0.527, respectively) with histology. In conclusion, CT has potential as the imaging modality of choice in the pre-operative prediction of poor prognostic features in colonic cancers and could play a role in future treatment stratification.