增强CT影像组学术前预测胃肠道间质瘤危险度分级的价值

Radiomics Based on Enhanced CT in Preoperative Prediction of the Risk Classification of Gastrointestinal Stromal Tumors

二维码有效期 120s

摘要目的探讨增强CT影像组学联合临床资料建立的模型术前预测胃肠道间质瘤(GIST)危险度分级的价值.资料与方法回顾性分析2014年1月—2020年10月于河北北方学院附属第一医院经手术切除后病理及免疫组化确诊的GIST患者122例,根据2008年改良的美国国立卫生研究院标准,分为高风险组(中危、高危)69例及低风险组(极低危、低危)53例.按照7:3的比例随机分为训练组(高风险49例,低风险37例)和验证组(高风险20例,低风险16例).使用MATLAB R2018b软件对训练组动脉期增强CT图像进行影像组学特征提取,应用Lasso算法对提取的特征信息降维并筛选.将筛选获得的特征参数纳入逻辑回归方程并建立影像组学标签,联合患者一般资料建立预测GIST危险度分级的模型,采用受试者工作特征(ROC)曲线评价模型的诊断效能.结果训练组影像组学标签(U=267.00)与患者一般资料[肿瘤发生部位(χ2=5.50)、Ki-67表达情况(χ2=21.53)]差异均有统计学意义(P均<0.05),曲线下面积(AUC)分别为0.853、0.620、0.752.训练组预测模型的AUC最高为0.930(95％CI 0.876～0.984),敏感度、特异度分别为95.9％、81.1％,较影像组学标签、患者一般资料各自独立鉴别风险分级的检验效能均显著提高.验证组预测模型的AUC、敏感度、特异度分别为0.919(95％CI 0.825～1.000)、85.0％、87.5％.结论通过基于GIST增强CT图像获得的影像组学标签联合临床资料建立的模型,对于术前预测GIST危险度分级有应用价值.