基于增强CT影像组学列线图鉴别胸腺瘤风险程度的单中心回顾性研究

Contrast-enhanced CT-based radiomics nomogram for differentiation of low-risk and high-risk thymomas

导出原文传递学术成果认领

摘要目的采用基于增强CT(contrast-enhanced CT,CECT)的影像组学列线图鉴别术前胸腺瘤风险程度.方法回顾性分析2018年1月-2023年2月在江苏省苏北人民医院行手术切除并经病理证实胸腺瘤患者的临床资料.从每例患者胸部CECT的动脉期中提取影像组学特征,采用Pearson相关系数、最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)进行影像组学特性选择,极端随机树(extremely randomized trees,ExtraTrees)分类器构建影像组学特征模型和影像组学标签(rad signature).基于患者临床特征单因素、多因素logistic回归分析筛选出来的影像特征、临床特征构建临床特征模型.结合影像组学标签和临床特征构建影像组学列线图模型.计算曲线下面积(area under the curve,AUC)、敏感度、特异度、准确率、阴性预测值、阳性预测值指标评估模型性能,绘制校准曲线、决策曲线评估模型准确度和临床获益.结果共纳入120例患者,其中女59例、男61例,平均年龄(56.30±12.10)岁.其中训练组84例,测试组36例;低风险胸腺瘤患者62例,高风险胸腺瘤患者58例.提取影像组学特征1 038个,从中筛选出6个影像组学特征用于建立影像组学标签.包含临床因素和影像组学标签的列线图模型在训练组中AUC为0.872,测试组中的AUC为0.833.决策曲线表明列线图模型在临床实用性方面优于影像组学标签和临床模型.结论影像组学列线图对于胸腺瘤风险程度有较好的鉴别价值,为临床决策提供了一种无创、有效的方法.