能谱CT影像组学及CT征象对GIST危险度分级探讨
A Study on Dual-source CT Imagings Combined with CT Signs to Established a Nomographic Model for Calculate the Risk Classification of GIST
摘要目的 本研究旨在探讨利用能谱CT影像学改变与CT征象联合建立的胃肠道间质瘤(GIST)危险度分级图模型,以评估其对临床精准治疗和GIST治疗的价值.方法 我们纳入了本院术后病理确诊为GIST、同时有完整影像信息的135例患者进行研究,并收集73例外院确诊病例进行外部验证.根据2017年中国病理专家组的共识,将患者分为极低危、低危(入低危组)、中危和高危(入高危组).我们将本院的135例病例作为训练组,外院的73例作为验证组,通过训练和验证独立的危险因素,进行特征筛选,利用能谱CT参数、CT表现预测模型和影像组学预测模型的独立危险因素进行多因素逻辑回归分析,并选取P<0.05的特征进行多因素逻辑回归建模,最终得出分级图.结果 能谱CT参数,包括单能CT值、碘浓度、水浓度和有效原子数,计算能谱曲线的归一化碘浓度(NIC)和斜率k.评估其他的影像学变化,例如如肿瘤体积、生长模式、肿瘤坏死/溃疡、肿瘤供血或引流血管增生(EVFDM)、肿瘤边缘及临近组织浸润.在单因素分析中,70keV的结果更接近40keV~140keV单能量的平均值,图像噪声低、信噪比较高,低危组与高危组间在临近组织侵犯差异上有统计学意义(P<0.05).多因素logistic回归分析显示,肿瘤大小、肿瘤坏死/溃疡、EVFDM、肿瘤轮廓及临近组织浸润(存在vs不存在)与较高的恶性潜力密切相关.将这些独立因素纳入列线图模型后,训练组和验证组的C指数分别为0.872(95%CI:0.753-0.863)和0.807(95%CI:0.697-0.893).敏感度为0.865,特异性为0.915,诊断准确率为0.837.能谱CT影像组学联合CT特征列线图的AUC为0.927(训练组)和0.905(验证组),显示出了良好的预测.结论 由能谱CT不同KeV影像学表现结合CT征象特征组成的胃肠道间质瘤列线图,包括大小、位置、肿瘤坏死/溃疡、EVFDM、肿瘤轮廓及临近组织浸润等,可以准确预测原发性胃肠道间质瘤的恶性潜力,对临床疗效评价和评估患者预后提供有效帮助.
更多相关知识
- 浏览19
- 被引1
- 下载12

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文