基于三期增强CT影像组学和临床特征在小肾透明细胞癌鉴别诊断中的应用分析

目的 探讨基于三期增强CT的影像组学和临床特征在小肾透明细胞癌与小肾非透明细胞癌的鉴别诊断中的应用价值。方法 回顾性分析102例(透明细胞肾细胞癌75例，非透明细胞肾细胞癌27例)经病理诊断为肾细胞癌(RCC)的患者的包括性别、年龄、肿瘤最大径、肿瘤位置(左肾或右肾)、出血、钙化、囊变坏死、中心瘢痕、假包膜在内的临床信息及患者的三期增强CT图像，在每一期的图像上逐层勾画感兴趣区(ROI);提取病灶的纹理特征；利用方差阈值法、K最佳法、LASSO模型进行降维筛选，分别在皮质期、实质期、排泄期筛选出来20、11、14个最佳特征；利用这些影像组学特征和具有统计学意义的临床特征构建基于支持向量机(SVM)模型的单期、两期联合、三期联合分类器模型；通过受试者工作特征(ROC)曲线和校准曲线来评价模型的性能。结果 患者仅假包膜一项临床信息与小肾癌的病理类型的差异具有统计学意义(P=0.001),其余的临床信息包括：性别、肿瘤位置、出血、钙化、囊变坏死、中心瘢痕、年龄、肿瘤最大径与小肾癌病理类型的差异均无统计学意义(P>0.05);在测试集上，实质期模型达到曲线下面积(AUC)=0.59,排泄...     

基于不同时相增强CT的影像组学对胰腺实性假乳头状肿瘤侵袭性行为的预测价值

目的:探讨CT影像组学对胰腺实性假乳头状肿瘤（pSPN）侵袭性行为的预测价值。方法:回顾性分析2012年1月至2021年1月郑州大学第一附属医院经术后病理证实的pSPN患者的CT图像,其中侵袭性23例、非侵袭性59例。分别在平扫、动脉期和静脉期CT图像上逐层勾画感兴趣区（ROI）获得三维ROI,每个ROI提取1 316...     

基于增强 CT 影像组学模型在鉴别良恶性小肾肿瘤的价值

目的 探讨增强CT影像组学模型鉴别良恶性小肾肿瘤(直径≤4 cm)的价值。方法 选取经病理证实为恶性小肾肿瘤患者151例，良性小肾肿瘤患者49例。采用分层抽样方法将200例患者按照7∶3比例随机划分为训练集140例及验证集60例，分别于肾皮髓质期、实质期及排泄期逐层手动勾画感兴趣区(ROI),提取影像组学特征。采用最小绝对收缩和选择算法(LASSO)进行降维，建立单独期相模型和联合期相模型共7个模型：1)皮髓质期；2)实质期；3)排泄期；4)皮髓质期-实质期；5)皮髓质期-排泄期；6)实质期-排泄期；7)三期联合模型。通过绘制受试者工作特征曲线(ROC)及曲线下面积(AUC)评估模型的诊断效能。使用De-Long检验比较不同模型间的效能差异。结果 三期联合模型的鉴别效能(训练集AUC为0.931;验证集AUC为0.870)高于两两联合模型和单独期相模型，差异有统计学意义(P<0.05);皮髓质期-实质期模型的鉴别效能(训练集AUC为0.913,验证集AUC为0.832)高于皮质期-排泄期模型、实质期-排泄期模型和单独期相模型，差异有统计学意义(P<0.05)。单独期相模型中...     

基于CT影像组学列线图鉴别腮腺多形性腺瘤与基底细胞腺瘤的价值

目的:探讨CT影像组学列线图对腮腺多形性腺瘤(PA)和基底细胞腺瘤(BCA)的鉴别诊断价值。方法:回顾性分析2020年1月-2022年8月在本院经病理证实的88例PA和29例BCA患者的临床资料和CT平扫及双期增强图像。以7∶3的比例将所有患者随机分为训练集(n=81)和测试集(n=36)。分别在3期(动脉期、平扫和静脉期)CT图像上沿病灶边缘逐层勾画ROI,提取病灶的全容积影像组学特征，并采用Spearman相关性分析、互信息法以及递归特征消除法行特征筛选，构建训练集模型和验证测试集模型并计算相应的影像组学评分(Radscore)。经单因素分析，将有统计学意义的临床资料和CT征象用于构建临床模型。基于影像组学模型和临床模型建立联合模型，并绘制联合模型的列线图。采用受试者工作特征曲线(ROC)、连续净重分类改善度(NRI)及综合判别改善度(IDI)来评估各模型的诊断效能，采用校准曲线评估和决策曲线评估列线图的准确性和临床实用价值。结果:基于CT平扫、动脉期和静脉期图像分别筛选出7个、8个和8个最佳组学特征。单期相(动脉期、平扫和静脉期)影像组学模型及临床模型鉴别PA与BAC的AUC分别...     

基于CT影像组学构建术前预测胰腺癌神经周围侵犯模型的研究

目的 探讨基于增强CT影像组学特征联合传统影像特征、临床信息建立的模型术前预测胰腺癌发生神经周围侵犯(PNI)的可行性及价值。方法 回顾性分析137例术后病理证实为胰腺癌患者的增强CT影像特征及临床资料,其中有PNI患者98例,无PNI患者39例,按照7∶3比例随机分为训练组96例,验证组41例。利用3D Slicer分别在术前增强CT动、静脉期图像上手动勾画肿瘤,Pyradiomics提取特征,最小冗余最大相关算法(mRMR)、最小绝对收缩和选择算子(LASSO)进行特征的降维、筛选,在训练组分别构建独立组学模型、临床-传统影像模型及融合组学模型,验证组验证模型效能。绘制ROC曲线评价预测模型的效能。结果 最终动脉期、静脉期、动脉期联合静脉期分别筛选出3个、2个、2个组学特征,3个期相分别建立的独立组学模型、临床-传统影像模型及融合组学模型中均是融合组学模型性能最高,动脉期、静脉期、动脉期联合静脉期融合组学模型在训练组AUC值分别为0.83、0.85、0.80,在验证组AUC值分别为0.78、0.76、0.80。结论 基于增强CT影像组学特征联合血管侵犯构建的融合组学模型能在术前有效...     

基于不同时相增强CT的影像组学对胰腺实性假乳头状肿瘤侵袭性行为的预测价值

目的探讨CT影像组学对胰腺实性假乳头状肿瘤(pSPN)侵袭性行为的预测价值。方法回顾性分析2012年1月至2021年1月郑州大学第一附属医院经术后病理证实的pSPN患者的CT图像, 其中侵袭性23例、非侵袭性59例。分别在平扫、动脉期和静脉期CT图像上逐层勾画感兴趣区(ROI)获得三维ROI, 每个ROI提取1 316个组学特征。将数据集经随机分层抽样法按照7∶3的比例分为训练集和验证集, 在训练集中采用200%样本合成过采样技术(SMOTE)算法进行过采样, 生成侵袭性和非侵袭性平衡数据用于建立训练模型, 将构建的模型在验证集中进行验证。通过受试者操作特征(ROC)曲线分析评估不同模型的预测性能, 并通过Delong检验比较不同模型的曲线下面积(AUC)值, 采用连续净重分类改善度(NRI)和综合区分改善度(IDI)评估不同模型对分类效能的改善能力。结果经过特征筛选, 保留2、6、3个特征分别构建平扫、动脉期和静脉期模型, 基于单独期相与联合时相模型共建立7个模型, 除平扫模型外, 其他模型预测pSPN侵袭性的AUC均>0.800。单期相中动脉期模型具有最优的鉴别效能, 在SM...     

基于CT双期增强影像组学预测甲状腺乳头状癌淋巴结转移

目的:探讨基于CT双期增强影像组学模型对甲状腺乳头状癌(PTC)淋巴结转移的预测价值.方法:回顾性分析经手术病理证实的80例PTC患者的病例资料,共搜集173个淋巴结,其中转移性淋巴结89个、未转移性淋巴结84个.患者术前均行CT平扫和双期增强扫描.采用达尔文科研平台,分别在动脉期和静脉期CT图像上于淋巴结内勾画ROI...     

CT影像组学预测肾透明细胞癌核分级：扫描期相及ROI勾画策略

【摘要】目的：探讨不同CT扫描期相及感兴趣区（ROI）勾画策略对影像组学方法预测肾透明细胞癌（ccRCC）核分级效能的影响。方法：回顾性搜集具有完整4期CT扫描图像（平扫期、皮髓质期、实质期和排泄期）且经病理证实为ccRCC的137例患者的病例资料。其中,96例为低级别（Fuhrman 1级和2级）ccRCC,41例为高级别（Fuhrman 3级和4级）ccRCC。在每期图像中选取肿瘤最大层面,使用ITK-SNAP软件分别勾画出病灶最大层面的2D-ROI并获得全瘤3D-ROI,并使用Pyradiomics软件分别提取病灶的影像组学特征。然后,采用22种特征选择方法和8种分类算法对组学特征进行筛选并构建了176个分类模型,使用五折交叉检验法验证各模型的预测效能,并采用诊断符合率、敏感度、特异度和受试者工作特征曲线下面积（AUC）评估模型的预测效能。结果：基于3D-ROI的影像组学模型鉴别高、低核级ccRCC的前5个最大AUC的平均值及相应诊断符合率的平均值高于基于2D-ROI的影像组学模型。基于平扫期的影像组学模型的前5个最大AUC的平均值优于其它3个期相。在平扫、皮髓质期、实质期和排泄期CT图像上基于3D-ROI的组学模型的最大AUC分别为0.822、0.732、0.742和0.780,基于2D-ROI的组学模型的最大AUC分别为0.738、0.692、0.710和0.674。结论：采用影像组学方法预测ccRCC核分级推荐选用平扫图像和全瘤3D-ROI。     

彩色多普勒超声和多层螺旋CT在肾脏良恶性肿瘤诊断中的应用比较简

目的：比较彩色多普勒超声（US）和多层螺旋CT（MSCT）在诊断肾脏良恶性肿瘤中的临床应用价值。方法对35例肾肿瘤患者分别行超声和螺旋CT检查,将两者检查结果与手术后病理结果进行对比,比较两种检查方法的诊断准确率。结果肾良性肿瘤及病变25例,超声诊断准确率为84％,CT为88％;肾癌10例,超声诊断准确率为80％,CT检查为90％。结论 US和MSCT在诊断肾脏良恶性肿瘤中,超声是筛查肾脏肿瘤首选检查方法,其价格低廉,无电离辐射,简单易行,患者容易接受。MSCT检查在特异性和准确性方面要高于超声,但在敏感性方面超声要优于CT,两者都能较准确地判断肾脏肿瘤及病变的良恶性。     

螺旋CT三期动态扫描技术对肾癌的诊断价值

目的:探讨螺旋CT三期动态扫描技术对肾癌的诊断价值。方法:搜集2002年以来26例行CT检查并经病理证实为肾癌患者的病例资料,在CT平扫及三期动态增强扫描图像上对肿瘤的大小、强化模式、肾周改变、邻近脏器及静脉的受侵情况和淋巴结转移等征象进行分析和评价。结果:6例小肾癌多呈较均匀等密度灶,其余20例直径>3 cm的肿瘤多呈混杂密度。6例小肾癌中4例于增强扫描时呈快进快出表现。余20例肾癌的强化模式有2种:①肿瘤于CMP 强化明显,NP强化减弱(n=15);②肿瘤于CMP和NP强化程度相近,EP强化程度明显减弱(n=5)。6例小肾癌均无肾周侵犯,其余20例肾癌出现肾周、邻近脏器和静脉的侵犯及淋巴结转移。结论:应用螺旋CT三期动态增强扫描技术能更加准确地对肾癌进行术前诊断和分期。     

肿瘤分割策略对机器学习预测肾透明细胞癌病理分级影响的研究

目的 探究肿瘤边缘分割策略对基于CT的机器学习预测肾透明细胞癌(ccRCC)病理分级的影响。方法 回顾性分析2009年1月至2019年12月经病理证实的ccRCC患者三期CT图像数据及临床病理学资料共546例,分为建模及内部验证集(n=311)、独立外部验证集(n=235)。按以下肿瘤图像分割策略进行分组：聚焦肿瘤边缘分割(MF组);边缘范围分别扩大1 mm(E1组)、3 mm(E3组);边缘范围分别缩小1 mm(S1组)、3 mm(S3组)。基于三期CT图像并利用CatBoost建立ccRCC病理分级(高/低级别)的机器学习预测模型。对比分析各组所提取的纹理特征及权重因子、预测模型的敏感度(SEN)、特异度(SPC)、阳性预测值(PPV)、阴性预测值(NPV)、准确率(ACC)、受试者工作特征曲线(ROC)及曲线下面积(AUC)。结果 分割边缘范围与所提取的纹理特征权重因子大小成正比,权重因子随着肿瘤图像分割边缘收缩而减小。采用如上述肿瘤图像分割策略的ccRCC病理分级预测模型的AUC分别为：MF 0.8037、E1 0.8161、E3 0.8165、S1 0.8010、S3 0.7...     

软组织良恶性肿瘤的CT鉴别诊断

目的 探讨CT鉴别软组织良恶性肿瘤的价值.资料与方法 搜集经手术或穿刺活检病理证实的40例软组织肿瘤患者的CT资料,对肿瘤大小、形态、边界、密度及其与周围组织的关系进行回顾性CT影像分析,并探讨这些征象在鉴别诊断中的价值.结果 18例良性肿瘤和18例恶性肿瘤通过CT征象可以做出正确的良恶性鉴别诊断.结论 CT能明确软组织肿瘤的特征、范围以及肿瘤与周围组织的关系,在软组织良恶性肿瘤的鉴别诊断中有重要的价值.     

基于CT影像组学预测胆管癌神经侵犯的价值

目的:基于术前CT构建预测肝门部胆管癌(pCCA)神经侵犯(PNI)的影像组学模型,并评价其效能。方法:回顾性分析本院2013年2月-2021年2月149例经病确诊的pCCA患者的临床资料,其中PNI组患者108例,无PNI组患者41例。采用R语言将所有患者按3:1比例随机分为训练集和验证集。在静脉期图像上,沿肿瘤边缘在所有层面上手动勾画3D感兴趣区(ROI),使用3D Slicer提取影像组学特征。采用组内相关系数(ICC)、相关性分析去除冗余特征,采用随机森林算法(RF)对所有临床、影像组学特征进行重要性排序,并选取前18个重要特征构建RF模型。使用准确性、敏感性、特异性及受试者操作特征(ROC)曲线评价模型效能。结果:在训练集中,RF模型的准确性、敏感性、特异性均为100%,ROC曲线下面积AUC为1;在验证集中,RF模型的准确性为70.3%,敏感性为59.3%,特异性为100%,AUC为0.846(0.713～0.979)。结论:基于增强CT图像建立的影像组学模型可用于术前无创性预测pCCA患者的PNI状态。     

基于CT影像组学鉴别非小细胞肺癌纵隔转移性淋巴结的模型研究

目的建立不同CT扫描时相图像鉴别非小细胞肺癌(non-small cell lung cancer,NSCLC)纵隔淋巴结的影像组学模型,并探讨不同模型的诊断效能。方法回顾性分析86例NSCLC患者的术前CT图像,所有患者均行平扫期、动脉期和静脉期CT扫描。选取231枚纵隔淋巴结为研究对象,将2015年1月—2017年6月入组的163枚淋巴结作为训练组,2017年7月—2018年6月入组的68枚淋巴结作为验证组。分别在三时相图像上勾画感兴趣区域(regions of interest,ROI),每个ROI提取841个影像特征,使用LASSO算法筛选特征,基于各时相CT影像组学特征和两不同时相CT影像组学特征的差值建立模型。比较不同模型的受试者工作特征曲线(receiver operating characteristic,ROC)下面积(AUC值)、敏感性、特异性、准确度、阳性预测值和阴性预测值的差异。结果共建立6个模型,其AUC值均>0.800。平扫期CT模型具有最优的鉴别效能,其训练组的AUC值、特异性、准确度、阳性预测值分别为0.926、0.860、0.871、0.906,验证组的AUC值、特异性、准确度、阳性预测值分别为0.925、0.769、0.882、0.870,均高于其他模型。平扫和静脉期CT图像联合动脉期CT图像之后,训练组的敏感性、阴性预测值分别从0.879、0.821和0.919、0.789提高到0.949、0.878和0.979、0.900。结论CT各时相影像组学模型均可用于辅助临床诊断淋巴结。平扫CT影像组学模型的AUC值最高,而联合动脉期CT图像可提高模型的敏感度及阴性预测值。     

基于多期CT影像组学鉴别卵巢良、恶性肿瘤的临床应用价值

【摘要】目的：探讨基于多期CT影像组学模型及联合模型鉴别卵巢良、恶性肿瘤的临床应用价值。方法：回顾性搜集2018年1月-2022年7月经术后病理证实的144例良性及182例恶性卵巢肿瘤患者的临床及CT多期影像组学资料，将患者随机按7:3分为训练组228例及验证组98例。图像预处理并利用ITK-SNAP勾画肿瘤病灶区域，用PY提取组学特征，将提取特征正则化，采用Spearman相关分析，相关系数大于0.9，保留其一特征, 使用最小绝对收缩与选择算子（LASSO）回归分析对组学特征降维，建立影像组学标签。将影像组学的优势期相与临床指标结合建立联合模型，利用列线图分析预测效能。结果：筛选出平扫、动脉期、静脉期及延迟期的特征数分别为22、7、10、22个，构建各期影像组学模型，结果显示延迟期为最优模型，在训练组中，其受试者工作特征（ROC）曲线的曲线下面积（AUC）为0.857。将临床特征与延迟期影像组学特征构建联合模型，其ROC的AUC值为0.870，优于临床模型，且差异有统计学意义（Z=3.376，P=0.0007）。验证组中，联合模型ROC的AUC值为0.844，优于临床模型，差异无统计学意义（Z=1.650，P=0.0989）。结论：CT扫描的延迟期影像组学特征鉴别卵巢良性与恶性肿瘤的效能优于其它期相，延迟期影像组学标签与临床特征相结合的联合模型有较高的鉴别诊断效能。     

CT影像组学预测胰腺导管腺癌患者术后无病生存期的价值

【摘要】目的：探讨基于平扫和三期增强CT的影像组学模型及临床-组学综合模型对胰腺导管腺癌（PDAC）患者术后无病生存期（DFS）的预测价值。方法：回顾性分析2013年12月－2021年6月在本院经术后病理证实的124例胰腺导管腺癌患者的病例资料。所有DFS患者术后随访时间大于3个月。采用随机分组法,按照7:3的比例将患者分为训练集（n=87）和验证集（n=37）。所有患者术前行腹部CT平扫及三期（动脉期、静脉期、延迟期）增强扫描。使用ITK-SNAP软件分别在四期CT图像上沿胰腺肿瘤边缘逐层勾画ROI并融合生成三维容积ROI（VOI）,然后导入FAE软件中提取影像组学特征。采用单因素Cox回归分析及LASSO-Cox回归分析进行纹理特征的筛选,然后分别构建各期和多期联合（动脉期+静脉期+延迟期）影像组学模型并计算相应的影像组学标签得分。采用单因素和多因素Cox回归分析筛选临床特征和CT形态学特征并构建临床模型。采用多因素Cox回归分析结合临床模型变量及影像组学标签构建临床-组学综合模型并绘制其诺莫图。采用一致性指数（C-index）、时间依赖性（time-dependent）ROC曲线、校正曲线和决策曲线分析（DCA）对模型的诊断效能及临床效益进行评价。利用R语言计算临床-组学综合模型的最佳截断值,并据此将患者分为高风险组和低风险组,采用Kaplan-Meier法分析生存资料并进行log-rank检验。结果：基于平扫、动脉期、静脉期和延迟期及多期联合分别筛选得到5、16、4、12和17个组学特征,分别建立相应的组学模型并获得影像组学标签值。经log-rank检验,所有组学标签均与DFS具有相关性（P<0.05）,其中多期联合模型的预测效能最佳（训练集：C-index=0.786,6~24个月AUC=0.850~0.928;验证集：C-index=0.802,6~24个月AUC=0.796~0.874）;而临床模型的预测效能较低（训练集：C-index=0.635,6~24个月AUC=0.647~0.679;验证集：C-index=0.596,6~24个月AUC=0.545~0.656）。临床-组学综合模型的预测效能（训练集：C-index=0.812,6~24个月AUC=0.883~0.958;验证集：C-index=0.796,6~24个月AUC=0.813~0.894）明显优于临床模型;校准曲线显示临床-组学综合模型的拟合度好;DCA显示临床-组学综合模型的临床净收益优于临床模型。临床-组学综合模型的截断值为2.738。Kaplan-Meier生存分析显示在训练集和验证集中,高风险组患者的DFS明显短于低分风险组。结论：基于多期CT扫描的影像组学模型结合临床特征构建的临床-组学综合模型在预测胰腺导管腺癌患者术后DFS方面,相较于临床模型和影像组学模型具有更好的预测效能,有助于指导临床制订个体化的治疗策略和改善患者的预后。     

螺旋CT多期增强扫描在小肾癌诊断中的应用

目的:评价螺旋CT多期增强扫描在小肾癌诊断中的价值。方法:回顾性分析21例经手术或活检证实的小肾癌(≤3cm)的螺旋CT资料及病理结果。结果:21例小肾癌中实性18例,囊实性2例,囊性1例。增强扫描动脉期(皮质期)15例呈明显全瘤性强化,幅度等于或稍高于肾皮质,其中5例轻中度强化,稍低于肾皮质,5例呈不均匀或分隔状强化或边缘强化,1例呈明显边缘强化。静脉期(皮髓质分界期)强化稍低于肾皮质。髓质期及肾盂期强化迅速减退,呈“快进快退”改变。结论:螺旋CT多期增强扫描在小肾癌的诊断中较常规CT有明显优越性,多数小肾癌动脉期强化明显,实质期强化迅速减退,肾盂期呈更低密度,呈“快进快退”表现,这一强化形式有定性意义;加扫静脉期图像有利于观察小肾癌与正常肾皮质强化模式的区别,避免假阴性或假“驼峰肾”的出现。     

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...     

原发灶及癌旁胃壁外脂肪组织CT影像组学评估胃癌T分期的价值

目的探讨基于胃癌原发灶及癌旁胃壁外脂肪组织的CT影像组学模型鉴别T1～2与T3～4期胃癌的价值。方法本研究为病例对照研究, 回顾性收集2011年12月到2019年12月江苏大学附属人民医院465例胃癌患者, 根据术后病理将其分为T1～2期(150例)及T3～4期(315例)。采用分层抽样方法按7∶3的比例分为训练集(326例)和测试集(139例), 训练集中T1～2期104例、T3～4期222例, 测试集中T1～2期46例、T3～4期93例。选择术前1周内静脉期增强CT图像勾画胃癌原发灶及癌旁胃壁外脂肪组织为感兴趣区(ROI), 采用Pyradiomics软件提取ROI的影像组学特征, 用最小绝对收缩和选择算子回归筛选与T分期相关的特征, 建立胃癌原发灶和胃壁外脂肪组织影像组学模型。采用独立样本t检验或χ2检验比较训练集中T1～2与T3～4期患者临床特征的差异, 将差异有统计学意义的特征建立临床模型。联合2个影像组学模型及临床模型构建临床-影像组学联合模型, 并生成列线图。用受试者操作特征曲线下面积(AUC)评价各模型鉴别胃癌T1～2与T3～4期的效能, 用校准曲线评价列线图预测胃癌的...     

基于CT影像组学预测肺癌患者化疗早期疗效的应用研究

目的 探讨基于治疗前CT影像组学模型预测肺癌患者化疗早期疗效的效能。方法 回顾性搜集2017年1月至2022年1月202例确诊肺癌患者的临床影像资料,通过对比化疗半年后的CT图像与化疗前CT图像,根据实体肿瘤疗效评价标准(RECIST 1.1)分为部分缓解(PR)组100例和疾病进展(PD)组102例,将入组患者的胸部CT平扫DICOM文件导入开源图像分割软件ITK-SNAP软件,进行感兴趣区(ROI)的勾画,再进行影像学特征提取,按照7∶3的比例随机分配为训练组和验证组,采用LASSO法进行降维及构建影像组学模型,最终根据受试者工作特征曲线(ROC)的曲线下面积(AUC)、敏感度、特异度来评价模型的预测效能。结果 训练组的AUC值、特异度、敏感度分别为0.737(95%CI:0.656～0.819)、0.71、0.67;验证组的AUC值、特异度、敏感度分别为0.722(95%CI:0.594～0.851)、0.77、0.53,模型达到了良好的预测效能。结论 基于治疗前CT的影像组学模型可在化疗前对肺癌的早期疗效做出较准确预测。