检索历史 清除

摘要本文主要从以下几个部分展开论述：<br>　　第一部分 恶性胆道梗阻患者接受支架置入术后早期胆道感染的预测模型的建立与人工神经网络的评价<br>　　目的：建立恶性胆道梗阻（malignant biliary obstruction,MBO）患者行经皮肝穿刺胆道支架置入（percutaneous transhepatic biliary stent placement,PTBS）术后早期胆道感染（early biliary infection,EBI）的风险预测模型，并验证及评价模型的预测能力。<br>　　材料和方法：从全国三家中心（东南大学附属中大医院，云南省肿瘤医院，丽水市中心医院）收集2012年1月至2017年12月间接受PTBS的MBO患者。观察患者术后30天内是否发生EBI。所有入组患者被分为训练组和验证组。在训练组中，利用多因素回归分析得出EBI的独立风险因素及其风险比（odds ratio,OR）和95%的置信区间（confidence interval,CI），并以此作为预测因子构建logistic回归模型。利用人工神经网络（artificial neural network,ANN）评估各独立风险因素之间的重要性。在训练组和验证组中对预测模型进行内、外部验证。计算模型预测的c值（concordance index,c-index），绘出标准曲线（calibration curve），评估模型的预测能力。<br>　　结果：总共有243例患者纳入到本研究中，其中训练组中182例，验证组中61例。与EBI相关的预测因子包括：梗阻长度（OR,1.061;95%CI,1.013-1.111;P=0.012）,糖尿病史（OR,5.070;95%CI,1.917-13.412;P=0.001）,梗阻位置（OR,2.283;95%CI,1.012-5.149;P=0.047）和消化系统手术或ERCP史（OR,3.968;95%CI,1.709-9.217;P=0.001），以此构建了logistic模型并绘制列线图（nomogram）。预测因子在ANN中按重要性由高到低分别为：梗阻长度，糖尿病史，消化器官手术或ERCP史，梗阻位置。预测模型经内、外验证，c值分别为0.792和0.802，表现出对EBI较高的区别能力，标准曲线预测值与真实值比较接近，表现出对EBI较好的预测能力。预测模型的最佳临界风险值为0.25。<br>　　结论：本研究提出的预测模型能够早期地、准确地预测MBO患者PTBS术后发生EBI风险的高低。经ANN评估发现，梗阻长度是一个重要预测因子。对于风险值大于0.25的患者，或许应该建议早期有效的抗生素预防，同时密切监测患者情况。<br>　　第二部分 恶性胆道梗阻患者支架置入术后30天内死亡的早期预警模型的建立与应用：logistic模型与人工神经网络模型的比较<br>　　目的：建立、验证并评估恶性胆道梗阻（malignant biliary obstruction,MBO）患者行经皮肝穿刺胆道支架置入（percutaneous transhepatic biliary stent placement,PTBS）术后30天内死亡的早期预警模型（人工神经网络[artificial neural network,ANN]模型与logistic回归模型）。<br>　　材料和方法：回顾性收集从2013年1月至2018年10月间全国六家中心（东南大学附属中大医院，云南省肿瘤医院，丽水市中心医院，安徽省立医院，山东省第二医院，徐州医科大学附属医院）接受PTBS非覆膜金属支架的MBO患者。总计616例患者中有299例纳入本研究中，其中来自四家中心的患者为训练组（n=166），其他两个独立中心分别作为外部验证组A（n=75）和外部验证组B（n=58）。在训练组中，利用单因素分析得出30天内死亡的潜在危险因素，再进行多因素回归分析得出独立风险因素。以独立风险因素构建logistic模型，以潜在危险因素构建ANN模型。分别在训练组、验证组A和验证组B中对两个预测模型进行验证、评估及比较。<br>　　结果：总共得出与30天内死亡相关的八个潜在危险因素和两个独立风险因素，并建立了ANN模型和logistic模型。受试者工作曲线显示，ANN模型比logistic模型有更大的曲线下面积（area under the curve,AUC）,尤其在两个外部验证中心更明显。ANN模型和logistic模型的AUC值在训练组中为0.819和0.797，在验证组A中为0.802和0.714，在验证组B中为0.732和0.568。两模型在三组中的准确度均较高（75.9~83.1%）。ANN模型与logistic模型相比，在保持较高的特异性（specificity）的同时，又提高了敏感性（sensitivity）。净重分类改善指数（net reclassification improvement,NRI）（12.0-16.5%）和综合判别改善指数（integrated discrimination improvement,IDI）（5.9-13.5%）表明ANN模型比logistic模型预测能力更好。<br>　　结论：本研究提出的早期预警模型能够预测MBO患者PTBS术后30天内死亡的风险。Logistic模型使用更加方便，但ANN模型有更好的预测能力和泛化能力。<br>　　第三部分 影像组学模型对胆道粒子支架治疗胰腺癌合并恶性胆道梗阻患者无梗阻生存期的预测及危险分层<br>　　目的：基于影像组学构建不可切除胰腺癌（unresectable pancreatic cancer,UPC）伴恶性胆道梗阻（malignant biliary obstruction,MBO）患者接受胆道内照射支架治疗后无梗阻生存期（restenosis-free survival,RFS）的预测模型，并进行危险分层，确定受益患者人群。<br>　　材料和方法：回顾性收集从2012年1月至2017年12月间全国四家中心（东南大学附属中大医院，云南省肿瘤医院，丽水市中心医院，安徽省立医院）接受胆道内照射支架的UPC-MBO患者。总计106例患者纳入本研究中，并将其随机分为训练组（n=74）和验证组（n=32）。研究结局为RFS。在训练组中，利用单因素分析和多因素COX回归分析得出临床预测因子，构建临床模型。利用LASSO-COX回归分析筛选得出与RFS相关的影像组学标志物，并构建影像组学标签。将影像组学标签与临床预测因子结合，构建综合模型。在训练组和验证组中得出两模型的c值（concordance index,c-index），评价其预测能力。训练组风险评分的中位值可将患者分为高风险组和低风险组。<br>　　结果：本研究得出与RFS相关的三个临床预测因子，八个动脉期影像组学标志物，六个门静脉期影像组学标志物。以此构建的临床模型和综合模型分别以列线图（nomogram）的形式直观地表示。综合模型在训练组和验证组中的c值分别为0.791和0.779，临床模型在两组中c值分别为0.673和0.667，综合模型好于临床模型。根据风险评分中位值1.264，患者被分高风险和低风险。高、低风险患者的RFS在训练组中存在显著差异（P＜0.001，中位RFS:90天和198天），高、低风险患者在验证组中也存在显著差异（P=0.016，中位RFS:118天和265天）。<br>　　结论：本研究成功构建出基于影像组学的综合模型，其在预测UPC-MBO患者行胆道内照射支架的RFS表现出良好的预测能力。低风险患者（风险评分小于1.264）的进展较慢，应该推荐低风险患者接受胆道内照射支架，以获得更长的RFS。