基于多尺度3D-CT特征预测肾细胞癌组织亚型和WHO/ISUP分级模型的构建与验证

A Predictive Model of Pathological Subtypes and WHO/ISUP Grade Based on Multi-Scale 3D-CT Features in Renal Cell Carcinoma

二维码有效期 120s

摘要目的探讨基于多尺度3D-CT特征构建的模型能否为肾细胞癌(RCC)组织亚型和WHO/ISUP分级提供稳健的预测.方法回顾性分析来自4个医疗中心的507例经术后病理证实为RCC的患者,将其分为训练集(中心1～3,346例)、内部验证集(中心1～3,87例)和外部测试集(中心4,74例).构建的预测模型包含以下模块:由3D-UNet构建的肾脏-肿瘤语义分割模型、基于感兴趣区域的多尺度特征提取器以及由XGBoost算法构建的2个分类器.另外,采用五折交叉验证和多中心外部测试的策略验证和测试模型的稳定性和泛化能力.最后,通过计算单一特征的SHAP量探索每个特征对模型决策的贡献.结果无论RCC组织亚型还是WHO/ISUP分级预测,相比单期相CT模型,多期相CT模型的准确率和效能都更加优秀.在预测RCC组织亚型模型中,五折交叉验证的AUROC分别为0.86、0.85、0.88、0.88和0.89,最优模型的内部验证集和外部测试集AUROC分别为0.89和0.75.而对于WHO/ISUP分级的预测模型,五折交叉验证的AUROC分别为0.81、0.82、0.79、0.73和0.81,最优模型的内部验证集和外部测试集AUROC分别为0.82和0.73.在模型的可解释性分析上,一阶统计量和灰度矩阵特征分别为RCC组织亚型预测模型贡献量排名第一、二的特征;而在WHO/ISUP分级预测模型中一阶统计量则发挥了最重要的作用.结论基于多尺度3D-CT特征构建的模型可为术前评估RCC组织亚型和WHO/ISUP分级提供一个强有力的预测.