换一批基于增强CT深度学习列线图预测肾嫌色细胞癌术后无进展生存期
Prediction of progression-free survival after chromophobe renal cell carcinoma surgery based on enhanced CT deep learning nomogram
摘要目的 开发一种基于深度学习的多模态预后模型,并观察其在肾嫌色细胞癌(chRCC)术后无进展生存期的预测效能.方法 回顾性分析东部战区总医院 2009 年 8 月至2023 年12 月接受手术治疗并经病理证实的164 例chRCC患者的临床资料.随访截止至 2024 年 12 月,按照是否出现进展分为高危组和低危组.采用随机抽样的方法按照 7:3 比例分成训练集(n=114)和测试集(n=49).基于术前皮髓质期和肾实质期增强CT影像通过医学图像分割软件(ITK-SNAP)手动勾画肿瘤感兴趣区域,采用迁移学习ResNet18 和DenseNet121 方法提取瘤内及瘤周(3 mm、5 mm)特征,结合临床病理因素构建多模态列线图.结果 通过对比ResNet18 与DenseNet121 两种深度学习模型在不同肿瘤区域(瘤内及瘤周)的特征融合效果,最终确定基于DenseNet121 的瘤内与瘤周 3 mm融合模型(模型五)为最优模型.该模型在训练集中表现出优异的预测性能(AUC=0.964),并显著优于仅基于临床特征的模型(AUC=0.805).进一步将该模型的深度特征与TNM分期、病理风险分层相结合构建的列线图,展现出更强的预测能力(训练集AUC=0.968).尽管深度学习模型与临床模型在测试集中的AUC差异未达统计显著水平,但最终确定的联合列线图在测试集中成功实现了有效的预后风险分层,其划分出的高危组患者无进展生存期显著低于低危组(P<0.05).结论 构建了一种基于深度学习与临床病理因素融合的列线图模型,实现了对chRCC患者无进展生存期的预测,为个体化预后评估提供了可靠工具.
更多相关知识
关键词
肾嫌色细胞癌对比增强计算机断层扫描深度学习无进展生存期chromophobe renal cell carcinomacontrast-enhanced computed tomographydeep learningprogression-free survival
分类号
R737.11（泌尿生殖器肿瘤）
栏目名称
DOI
10.16571/j.cnki.2097-2768.2026.02.007
发布时间
2026-03-31（万方平台首次上网日期，不代表论文的发表时间）
基金项目
科技部科技创新重大项目（2030;2020AAA0109505）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
