换一批基于影像组学及生境成像模型预测非小细胞肺癌PD-L1表达水平
Predicting PD-L1 Expression in Non-Small Cell Lung Cancer Using Radiomics and Habitat Imaging Models
摘要目的 探讨基于非小细胞肺癌(NSCLC)动脉期CT影像组学与生境成像模型预测细胞程序性死亡-配体1(PD-L1)表达水平的价值.资料与方法 回顾性分析 2022 年 4 月—2024 年 5 月皖南医学院弋矶山医院经病理证实的 258 例NSCLC患者的临床及影像资料,以 4∶1 随机分为训练集 207 例和验证集 51 例.基于动脉期CT影像提取感兴趣区的整体组学特征;然后使用局部特征聚类方法生成各亚区感兴趣区,提取并融合各亚区组学特征以获取生境成像特征;降维并筛选出用于构建整体组学及亚区生境成像模型的特征及其评分;使用逻辑回归算法建立模型,并绘制列线图.以受试者工作特征曲线下面积(AUC)评估模型性能,采用决策曲线评价其临床效用.结果 最终筛选出发病部位及有无坏死2 个临床独立危险因素,14个整体组学特征,16 个生境成像特征.训练集及验证集中构建的临床模型AUC分别为 0.685、0.682;生境成像模型AUC分别为 0.776、0.761,优于整体组学模型(AUC分别为0.701、0.647);联合整体组学及生境成像特征、临床特征建立的联合模型的AUC分别为0.838、0.826,决策曲线分析显示其临床收益最高.结论 动脉期CT生境成像特征建立的模型能有效预测NSCLC的PD-L1表达水平,联合临床特征与肿瘤整体组学特征能进一步提高预测效能.
更多相关知识
关键词
癌,非小细胞肺体层摄影术,X线计算机影像组学细胞程序性死亡-配体1免疫疗法生境成像预测Carcinoma,non-small-cell lungTomography,X-ray computedRadiomicsProgrammed death ligand 1ImmunotherapyHabitat imagingForecasting
栏目名称
DOI
10.3969/j.issn.1005-5185.2025.09.005
发布时间
2025-10-17（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省卫生健康科研项目（AHWJ2022b044）
安徽省教育厅新时代育人质量工程项目（2022zyxwjxalk165）
皖南医学院第一附属医院(弋矶山医院)引进人才专项科研基金（YR20220219）
安徽省高等学校科学研究项目（2023AH040253）
安徽省科技厅临床医学研究转化专项项目（202427b10020082）
- 浏览0
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
