检索历史 清除

摘要第一部分术前CT和MRI预测孤立性肝细胞癌微血管侵犯的比较影像学研究<br>　　背景与目的：对比增强计算机断层扫描（computedtomography,CT）和磁共振成像（magneticresonanceimaging,MRI）均可进行肝细胞癌（hepatocellularcarcinoma,HCC）微血管侵犯（microvascularinvasion,MVI）的术前预测。然而，上述哪种影像模态有着更好的MVI预测效能还不得而知。本研究旨在针对孤立性HCC的术前MVI预测进行CT和MRI的比较影像学研究，比较上述2种影像模态基于影像特征及影像组学分析预测MVI的诊断效能差异。<br>　　方法：本项双中心回顾性研究连续入组参与研究的2个中心中符合纳入排除标准的HCC患者共402例，按照3：1的比例将患者随机分为训练集和测试集，其中训练集病例300例，测试集病例102例。入组患者在术前均接受了增强CT和细胞外对比剂增强MRI检查。采用最小绝对收缩和选择算子（leastabsoluteshrinkageandselectionoperator,LASSO）回归算法分别构建基于增强CT和MRI的预测MVI的影像组学标签。采用单因素和多因素逻辑回归分析构建基于CT和MRI的影像特征MVI预测模型和影像特征–影像组学MVI预测模型。比较基于CT和MRI这2种影像模态的影像组学标签、影像特征模型和影像特征–影像组学模型的MVI预测效能。为调查研究影像组学标签的对预测MVI的增益，对影像特征模型和影像特征–影像组学模型进行模态内比较，并在肿瘤直径2~5cm的HCC患者上进行了亚组分析。使用受试者工作特征曲线下面积（areaunderthereceiveroperatingcharacteristiccurve,AUROC）评价模型的MVI预测效能，使用Delong检验对模型的AUROC进行统计比较。<br>　　结果：入组的402例HCC患者经术后病理组织学检查，MVI阳性161例，其中训练集病例中MVI阳性131例，测试集病例中MVI阳性30例。基于MRI的影像组学标签、影像特征模型和影像特征–影像组学模型与基于CT的影像组学标签、影像特征模型和影像特征–影像组学模型在预测MVI的AUROC进行模态间两两比较，差异无统计学意义（影像组学标签，MRI：0.804，CT：0.801，P=0.096；影像特征模型，MRI：0.832，CT：0.809，P=0.009；影像特征–影像组学模型，MRI：0.872，CT：0.835，P=0.54）。对影像特征模型和影像特征–影像组学模型进行模态内比较，AUROC的差异无统计学意义（基于CT的影像特征模型与影像特征–影像组学模型的AUROC比较，P=0.21；基于MRI的影像特征模型与影像特征–影像组学模型的AUROC比较，P=0.09）。对于肿瘤直径2~5cm的HCC患者亚组，基于MRI的影像特征–影像组学模型的AUROC要高于基于MRI的影像特征模型，差异有统计学意义（Plt;0.05），CT则不然（P=0.16）。<br>　　结论：针对孤立性HCC的MVI术前预测，CT和MRI有着相当的效能。基于MRI的影像组学分析对预测肿瘤直径2~5cm的HCC患者的MVI状况上，有显著的预测增益。<br>　　第二部分基于CT影像组学的微血管侵犯术前预测在指导肝细胞癌手术方式选择中的价值<br>　　背景与目的：肝细胞癌（hepatocellularcarcinoma,HCC）微血管侵犯（microvascularinvasion,MVI）的术前预测在指导HCC手术方式选择中的价值尚未阐明。本研究旨在探讨依据MVI术前预测结果，施行不同手术方式对患者早期复发的影响。<br>　　方法：本研究为一项由4个中心参与的多中心回顾性研究。使用来自2个中心共449例肿瘤直径2~5cm的单发HCC患者临床资料和术前增强CT进行MVI预测模型的训练和测试，其中训练集病例230例，测试集病例219例。研究构建2个MVI预测模型：临床–影像模型和临床–影像–影像组学模型。临床–影像模型纳入了与MVI相关的临床因素和影像特征，临床–影像–影像组学模型除纳入与MVI相关临床因素和影像特征外，额外纳入通过影像组学研究建立了与MVI相关的影像组学标签。模型的预测效能使用受试者工作特征曲线和曲线下面积（areaunderthecurve,AUC）描述，采用Delong检验进行模型MVI预测效能的统计比较。使用来自另外2个中心的肿瘤直径2~5cm单发HCC患者数据，由118例接受解剖性肝切除（anatomicresection,AR）和85例接受非解剖性肝切除（non-anatomicresection,NAR）患者组成，通过1：1倾向评分匹配消除接受AR与NAR患者间的混杂因素，构建最终外部验证集，比较2个模型中预测的MVI高风险患者接受AR和NAR后在早期复发上的差异。<br>　　结果：训练集、测试集和外部验证集上临床–影像–影像组学模型预测MVI的AUC分别为0.864，0.836和0.835，而临床–影像模型预测MVI的AUC分别为0.828，0.800和0.796。比较2个模型的AUC，差异无统计学意义（P均gt;0.05）。在通过倾向评分匹配建立的最终外部验证集上，临床–影像–影像组学模型预测的高风险MVI患者接受AR的早期复发率与接受NAR的早期复发率比较，差异有统计学意义（P=0.005），但临床–影像模型预测的高风险MVI患者接受AR的早期复发率与接受NAR的早期复发率比较，差异没有统计学意义（P=0.031）。<br>　　总结：基于影像组学的HCC术前MVI预测能够较之前基于临床与影像特征构建的预测模型更为准确进行术前MVI预测，有助于HCC外科治疗中更合理的进行AR和NAR两种手术方式间的选择。<br>　　第三部分基于CT影像组学构建接受经肝动脉化疗栓塞治疗的肝细胞癌患者总生存时间的预测模型<br>　　背景与目的：接受经肝动脉化疗栓塞（transarterialchemoembolization，TACE）治疗的肝细胞癌（hepatocellularcarcinoma,HCC）患者存在显著的生存差异。本研究旨在通过基于术前增强CT的影像组学分析构建接受TACE治疗的HCC患者总生存时间（overallsurvival，OS）的预测模型，并与前期他人研究报道的HCC患者TACE治疗后生存预测模型进行比较。<br>　　材料与方法：本项多中心回顾性研究收集5个参与研究中心自2007年1月至2017年3月162例接受TACE作为初始治疗的HCC患者临床特征、TACE术前增强CT影像数据与生存资料。按照患者接受TACE治疗时间的先后，以2014年5月作为训练集和测试集的划分时间截点，划分本研究训练集患者108例，测试集患者54例。使用Pyradiomics提取患者的TACE治疗前增强CT动脉期和门静脉期图像上的直径最大的肿瘤及肿瘤周围区域的影像组学特征。使用最小绝对收缩和选择算子（leastabsoluteshrinkageandselectionoperator,LASSO）回归构建预测患者OS的影像组学标签。联合影像组学标签及患者临床特征，采用单因素和多因素比例风险回归（Cox回归）分析筛选与患者OS相关的预测因素，并据此建立一个用以预测患者OS的影像组学–临床整合模型。采用一致性指数（concordanceindex,C-index）、时间依赖性受试者工作特征曲线及校正曲线评价模型的预测效能、区分度和较准度。将建立的预测模型进一步与先前报道的HCC患者TACE治疗后的生存预测模型通过一致性指数进行比较，对比的生存预测模型包括：“Four-and-seven”标准、“Six-and-twelve”模型、肝癌动脉栓塞预后（hepatomaarterial-embolizationprognostic，HAP）评分体系、改良HAP评分体系、改良HAP-II评分体系、改良HAP-III评分体系和白蛋白–胆红素（albumin-bilirubin，ALBI）评分体系。<br>　　结果：由2个动脉期肿瘤周围、1个动脉期肿瘤和3个门静脉期肿瘤影像组学特征构建而成的影像组学标签，在训练集和测试集中预测接受TACE治疗的HCC患者OS的C-index值分别为0.68（95％置信区间：0.62~0.74）和0.67（95%置信区间：0.56~0.79）。单因素和多因素Cox回归分析的结果显示，肿瘤数目和影像组学标签是影响患者OS的独立因素。基于肿瘤数目和影像组学标签两个独立预后因素构建的影像组学–临床整合模型，有着较好的模型校准度，在训练集和测试集中预测患者OS的C-index值分别为0.73（95%置信区间：0.68~0.79）和0.70（95%置信区间：0.62~0.82），其模型预测能力高于7个目前已报道的生存预测模型。作为在7个已报道的生存预测模型中预测效能较好的“Four-and-seven”标准和“Six-and-twelve”模型，在测试集中预测患者OS的C-index值分别为0.64（95%置信区间：0.58~0.70）和0.65（95%置信区间：0.55~0.75）。<br>　　结论：基于术前增强CT影像构建的影像组学标签是预测接受TACE治疗的HCC患者OS的影像学生物标志物。联合肿瘤数目、影像组学标签构建的影像组学–临床整合模型有着较现行报道的生存预测模型有着更好的预测效能。