基于非小细胞肺癌双能CT表现及影像组学列线图模型预测其血管生成拟态

Nomogram based on dual-energy CT findings and radiomics for predicting vasculogenic mimicry in non-small cell lung cancer

二维码有效期 120s

摘要目的基于非小细胞肺癌(NSCLC)双能CT(DECT)表现及影像组学构建联合列线图模型,分析其预测NSCLC血管生成拟态(VM)的价值.方法回顾性分析137例经手术病理证实的单发NSCLC患者,以7∶3比例将其分为训练集[n=95,37例VM(+)、58例VM(-)]和验证集[n=42,19例VM(+)、23例VM(-)].基于肺窗CT提取及筛选最优影像组学特征,计算影像组学评分.以单因素分析及多因素logistic回归分析筛选NSCLC表达VM的独立预测因素,分别以之构建临床、能谱及影像组学模型;基于独立预测因素构建联合列线图模型.采用受试者工作特征曲线评估各模型预测NSCLC VM的效能,以校准曲线分析模型的拟合度,以决策曲线分析评估模型的临床获益.结果最终筛选出6个最优影像组学特征.病灶最大径、毛刺征、CT140kev及影像组学评分为NSCLC VM的独立预测因素(OR=2.25、9.69、0.99、-14.44,P均＜0.05).临床、能谱及影像组学模型预测验证集NSCLC VM的曲线下面积(AUC)分别为0.83、0.85、0.87,均低于联合列线图模型(AUC=0.95,Z=2.14、2.10、2.07,P均＜0.05).联合列线图模型预测结果与实际结果的一致性较好,且其临床获益较高.结论基于DECT及影像组学构建的联合列线图模型能可有效预测NSCLC VM.

作者李阳 ^[1] 杨昭 ^[1] 李淑华 ^[2] 赵楠楠 ^[1] 张舒妮 ^[1] 杨静茹 ^[3] 周辉 ^[4] 李伟 ^[5] 蒋明宽 ^[2] 谢宗玉 ^[2] 学术成果认领

作者单位蚌埠医学院第一附属医院放射科,安徽蚌埠 233004;蚌埠医学院研究生院,安徽蚌埠 233000 ^[1] 蚌埠医学院第一附属医院放射科,安徽蚌埠 233004 ^[2] 蚌埠医学院研究生院,安徽蚌埠 233000 ^[3] 凤阳县人民医院医学影像科,安徽滁州 233100 ^[4] 安徽省呼吸系统疾病(肿瘤)临床医学研究中心,安徽蚌埠 233004 ^[5]

关键词肺肿瘤体层摄影术,X线计算机影像组学血管生成拟态

分类号 R734.2 R814.42

栏目名称

胸部影像学

DOI 10.13929/j.issn.1003-3289.2023.05.009

发布时间 2023-06-06

基金项目

安徽省重点研究与开发计划项目（2022e07020033）；蚌埠医学院自然科学重点项目（2021byzd091）；滁州市科技计划项目（2022ZD007）