检索历史 清除

摘要目的：探讨基于增强MRI的影像组学模型在术前预测GPC3阳性肝细胞癌(HCC)的价值。<br>　　方法：本研究是一项回顾性研究，一共入组了2014年4月至2017年12月期间在天津医科大学肿瘤医院进行肝切除术且术后病理证实为肝细胞癌的293名患者，将这些患者随机分为实验组(195人)和验证组(98人)。所有患者术前均行肝脏MR动态增强检查，且相应的临床信息资料和影像资料完整。(1)本研究采用影像组学的方法对肝细胞癌MR图像进行定量分析来实现肝细胞癌是否表达GPC3的预测，并构建出相应的组学预测模型。在每个患者的肝细胞癌增强MR延迟期图像中手动分割出HCC病灶区域，得到感兴趣区(ROI)，借助影像组学方法从ROI中一共提取了853个定量影像特征(包括肿瘤病灶的形状特征、强度特征、纹理特征、小波特征)，在实验组中采用单因素分析和Fisherinformation来对这些影像特征进行降维，随后利用支持向量机(SVM)根据向前逐步回归法筛选出最优的影像特征，并利用筛选出的最优影像特征来构建相应的组学模型。(2)利用实验组各个患者的临床信息(年龄、性别、肿瘤直径、AFP、ALB、ALT、TBIL、肝炎、肝硬化以及腹水等10个临床影响因素)，采用单因素分析和多因素逻辑回归分析选取出与GPC3表达相关的独立临床影响因素，最后根据这些相关因素构建出临床预测模型。(3)基于先前构建完成的组学模型和临床模型，再构建一个合并影像组学与临床影响因素的联合模型。(4)基于构建的联合模型，本研究最后构建了方便临床医生应用的个体化预测模型——诺模图。应用受试者工作特征(ROC)曲线来评价这三种模型的预测能力，同时验证组对构建的三个模型进行验证。应用决策曲线分析法(DCA)来评价临床模型和联合模型的临床实用性。应用校正曲线来评估诺模图的预测效果。<br>　　结果:本研究入组的293名HCC患者根据其术后病理报告结果共有GPC3(+)200人，GPC3(—)93人，随机分为实验组195人(GPC3(+)135人，GPC3(—)60人)，验证组98人(GPC3(+)68人，GPC3(—)30人)。从293个患者MR图像上勾画的ROI上一共提取到853个影像特征，并从中筛选出10个最优的影像特征构建了组学预测模型，组学模型在实验组的ROC曲线下面积(AUC)为0.879，准确性为83.1%，敏感性为85.2%，特异性为78.3%；在验证组的ROC曲线下面积(AUC)为0.871，准确性为75.5%，敏感性为72.1%，特异性为83.3%。从10个临床影响因素中筛选出的2个(肿瘤直径、AFP)与GPC3表达存在相关性的独立影响因素，并构建了临床预测模型，临床模型在实验组的ROC曲线下面积(AUC)为0.815，准确性为72.3%，敏感性为68.2%，特异性为81.7%；在验证组的ROC曲线下面积(AUC)为0.758，准确性为71.4%，敏感性为67.7%，特异性为80.0%。合并了影像组学与临床影响因素的联合模型在实验组的ROC曲线下面积(AUC)为0.926，准确性为86.7%，敏感性为86.7%，特异性为86.7%；在验证组的ROC曲线下面积(AUC)为0.914，准确性为79.6%，敏感性为73.5%，特异性为93.3%。决策曲线证实了联合模型有着良好的预测GPC3表达的能力，诺模图的校正曲线也证实了其可靠的预测性能。<br>　　结论：基于增强MR图像的影像组学模型能够良好地术前区分出GPC3阳性的HCC患者，组学模型结合临床信息构造的诺模图可以对GPC3阳性的HCC进行个体化预测，从而帮助临床医生制定理想的个体化治疗方案。