能谱CT及其放射组学模型术前预测胃癌淋巴结转移的价值

发布时间：2020-05-03 19:43

【摘要】：第一部分:能谱CT术前预测胃癌淋巴结转移的价值目的1.探讨能谱CT术前预测胃癌淋巴结转移的诊断效能,建立并验证基于能谱CT碘基值的术前预测胃癌淋巴结转移的诺模图。2.探讨该模型在预测胃癌患者预后方面的价值。材料与方法本研究回顾性纳入210例经手术病理证实为胃腺癌,并术前接受能谱CT扫描的胃癌患者的临床和影像学资料。其中,男性159例,女性51例,平均年龄:59.8±7.7岁,年龄范围28-79岁。将患者随机分成训练集(140例)和验证集(70例)两个队列,并收集临床信息和患者随访生存信息,包括总生存期(overall survival,OS)和无进展生存期(progression free survival,PFS)。在GSI Viewer软件自动生成的碘水图上测量胃癌病灶增强动脉期和静脉期的碘基值(iodine concentration,IC),并除以同层主动脉碘基值获得标准化碘基值(normalized iodine concentration,n IC)。测量肿瘤最厚径并根据肿瘤大小、有无溃疡和浸润范围评估肿瘤Borrmann分型。采用单因素、多因素logistic回归分析发现胃癌淋巴结转移独立预测指标,并构建术前预测胃癌淋巴结转移的诺模图,采用ROC曲线,准确度和Harrell’s和谐指数(C-index)评价该模型的预测效能。采用Cox生存分析评估该模型与胃癌患者预后的关系。结果1.训练集淋巴结转移阳性组中肿瘤最厚径、Borrmann分型III-IV比例、ICAP、ICVP、n ICAP、n ICVP均值分别为19.68±8.83 mm、42.50%、14.52±5.75(100μg/ml)、23.60±9.29(100μg/ml)、0.1806±0.0876和0.4982±0.1895。除ICAP值外(P0.05),淋巴结转移组均高于非转移组(P均0.05)。2.肿瘤最厚径、Borrmann分型和静脉期碘基值(iodine concentration at venous phase,ICVP)是胃癌淋巴结转移的独立预测指标。3.在训练集中根据上述指标构建的诺模图与淋巴结转移状态相关(P0.001)。4.该模型曲线下面积(area under the curve,AUC)为0.793[95%置信区间(95%confidence interval,CI),0.678-0.908],准确性为0.757(95%CI,0.640-0.852),显示出较高的术前预测胃癌淋巴结转移的能力。5.该模型具有较好的预后能力,预测PFS和OS的C-指数为0.675(95%CI,0.571-0.779;P0.001)和0.643(95%CI,0.518-0.768;P=0.025)。结论1.本研究首次建立并验证了能谱CT为基础的诺模图,该模型纳入了肿瘤最厚径、Borrmann分型和静脉期碘基值。2.该模型简单易行,成功将胃癌患者根据淋巴结转移风险进行分层评估,有助于提高胃癌患者术前个体化N分期诊断水平。3.该模型与胃癌患者生存期有关,显示出较高的预测预后能力。第二部分:CT放射组学模型术前预测胃癌淋巴结转移的价值目的1.建立并验证基于双期增强CT放射组学诺模图术前预测胃癌淋巴结转移,并与临床模型对比,明确其额外价值。2.探讨该放射组学模型预测患者预后的能力。材料与方法回顾性收集经手术病理证实为胃腺癌并符合纳入标准患者共193例。其中男150例,女43例,年龄28~79岁,平均(58.62±10.22)岁。采用计算机随机数将患者随机分成训练集(97例)和验证集(96例)。收集临床指标包括:患者年龄、性别、肿瘤部位等;CT评价指标包括:测量肿瘤最厚径并根据肿瘤大小、有无溃疡和浸润范围评估肿瘤Borrmann分型。淋巴结短径10mm或出现不均匀强化、坏死表现定义为转移性淋巴结,即CT报告淋巴结状态阳性。采用ITK-SNAP3.6.0.(www.itksnap.org)分割软件,在双期增强图像上选择肿瘤最大横截面进行二维分割。采用机器学习方法进行放射组学特征提取和标签建立。采用单因素分析评估患者特征与淋巴结状态的关系。采用卡方检验或Fisher’s精确检验比较分类变量之间的差异,连续变量采用Mann-Whitney U检验或独立t检验。基于有意义的临床特征和放射组学标签进行多因素logistic回归分析,以确认胃癌淋巴结转移的独立预测因子并构建个体化预测模型。首先基于临床特征进行多变量logistic回归分析并建立临床预测模型,以模拟临床基准决策,并与放射组学诺模图进行比较。采用受试者工作特征曲线(the receiver operating characteristic curve,ROC)和曲线下面积(the area under curve,AUC)评估放射组学模型的效能。以模型在训练集ROC曲线上的最大约登指数(Youden’s index)所对应的点为最佳诊断阈值。采用单因素Cox生存回归分析获得危害比值(hazard ratio,HR)和P值。采用Harrell’s一致性指数(C-指数)量化模型的预测效能。结果1.训练集中淋巴结转移组的肿瘤最厚径和CT报告淋巴结状态均显著高于非淋巴结转移组(P0.05)。2.放射组学标签的构建和验证:动脉期标签包含2个深度学习特征和1个人工定义特征,而静脉期标签包含1个深度学习特征和2个人工定义特征。上述2个放射学标签在验证集中显示出较高的淋巴结转移预测能力,动脉期和静脉期CT组学标签的AUC分别为0.688(95%CI:0.554-0.822)和0.643(95%CI:0.505-0.781)。3.放射组学诺模图的建立和验证:CT报告淋巴结状态和静脉期放射学标签在多因素回归中具有显著性,并纳入放射组学诺模图建立。4.放射组学模型在训练集和验证集中均表现出较高的诊断效能,其AUC分别为0.810(95%CI:0.734-0.886)和0.776(95%CI:0.664-0.888),高于临床预测模型。5.以训练集ROC曲线上最高Youden’s指数所对应的点0.63作为最佳诊断阈值,其在训练集和验证集中准确性、敏感性、特异性分别为0.765(95%CI:0.684-0.833)、0.786、0.731;0.677(95%CI:0.552-0.785)、0.711、0.633。6.该诺模图和患者预后存在相关性,其与PFS和OS间相关性的和谐指数分别为0.593(95%CI,0.494-0.692;P=0.0662)、0.611(95%CI,0.495-0.727;P=0.0603)。结论1.本研究首次建立并验证基于CT预测胃癌淋巴结转移的放射组学诺模图。2.该诺模图集合了CT报告淋巴结状态和静脉期增强图像为基础的放射组学标签,有助于优化术前预测胃癌患者淋巴结转移,并为放射组学研究提供更多信息。3.该诺模图术前预测胃癌淋巴结转移能力显著高于临床模型。4.该诺模图与患者预后相关,对总生存期和无进展生存期均有较高的预测能力。第三部分:能谱CT放射组学模型术前预测胃癌淋巴结转移目的1.建立并验证能谱CT多能级图像为基础的术前预测胃癌淋巴结转移的放射组学诺模图。2.通过比较多能级图像为基础的放射组学模型、单能级图像为基础的放射组学模型和临床特点为基础的模型在预测胃癌淋巴结转移的效能,探讨能谱CT为基础的放射组学模型的额外价值。3.探讨该模型对患者预后的预测价值。材料与方法经手术病理证实为胃腺癌并符合纳入标准患者共204例。其中男147例,女57例,年龄28~81岁,平均(58.83±11.34)岁。采用计算机随机数将患者随机分成训练集(136例)和验证集(68例)。收集临床指标包括:患者年龄、性别、肿瘤部位等;CT评价指标包括:GSI Viewer软件自动生成的碘水图上测量胃癌动脉期和静脉期碘基值(iodine concentration,IC),并除以同层主动脉碘基值获得标准化碘基值(normalized iodine concentration,n IC)。测量肿瘤最厚径并根据肿瘤大小、有无溃疡和浸润范围评估肿瘤Borrmann分型。CT报告淋巴结状态:淋巴结短径10mm或出现不均匀强化、坏死表现定义为转移性淋巴结,即CT报告淋巴结阳性状态。采用ITK-SNAP 3.6.0.分别在40~140ke V范围内5ke V为间隔共21组多能级图像上,选择肿瘤最大横截面依次进行二维分割。采用机器学习方法进行放射组学特征提取和标签建立。采用单因素分析评估患者特征与淋巴结状态的关系。采用卡方检验或Fisher’s精确检验比较分类变量之间的差异,连续变量采用Mann-Whitney U检验或独立t检验。基于有意义的临床特征和放射组学标签进行多因素logistic回归分析,以确认胃癌淋巴结转移的独立预测因子并构建个体化预测模型。首先基于临床特征进行多变量logistic回归分析并建立临床预测模型,以模拟临床基准决策,并与放射学诺模图进行比较。随后,基于21组多能级双期增强图像进行放射组学特征提取,建立了结合临床特征和多能级放射组学标签的诺模图,并与65ke V单能级图像为基础的放射组学模型进行对比,以探讨能谱CT多能级图像在放射组学研究中的额外价值。采用受试者工作特征曲线(the receiver operating characteristic curve,ROC)和曲线下面积(the area under curve,AUC)评估放射组学模型的效能。以模型在训练集ROC曲线上的最大约登指数(Youden’s index)所对应的点为最佳诊断阈值。通过校准曲线和Hosmer-Lemeshow检验评估诺模图的校准程度。采用单因素Cox生存回归分析获得危害比值(hazard ratio,HR)和P值。采用Harrell’s一致性指数(C-指数)量化模型的预测效能。结果1.训练集中淋巴结转移组的肿瘤最厚径、n ICVP和CT报告淋巴结状态均显著高于非淋巴结转移组(P0.05)。训练集和验证集患者的年龄、性别、肿瘤部位和淋巴结转移率的差别不具有统计学意义。2.动脉期标签包含1个深度学习特征和2个人工定义特征,而静脉期标签包含深度学习特征和人工定义特征各1个。上述2个放射学标签在验证集中显示出较高的淋巴结转移预测能力,动脉期和静脉期CT组学标签的AUC分别为0.711(95%CI:0.585-0.838)和0.755(95%CI:0.638-0.873)。3.CT报告淋巴结状态和2个放射学标签在多因素回归中具有显著性,并纳入模型建立。4.诺模图在训练集和验证集中均表现出较高的诊断效能,其AUC分别为0.839(95%CI:0.773-0.904)和0.821(95%CI:0.722-0.920),高于基于单能量图像的放射组学模型和基于临床特点的模型。5.以训练集ROC曲线上最高Youden’s index所对应的点0.62作为最佳诊断阈值,其在训练集和验证集中准确性、敏感性、特异性分别为0.772(95%CI:0.692-0.840)、0.774、0.769;、0.765(95%CI:0.646-0.859)、0.737、0.800。6.放射组学模型在验证集队列中预测胃癌淋巴结转移的效能显著高于单能级图像的组学模型和临床特征为基础的模型。7.诺模图和患者预后存在显著相关性,诺模图与PFS和OS间相关性的C-指数分别为0.637(95%CI,0.544-0.730;P=0.0038)、0.669(95%CI,0.560-0.778;P=0.0023)。具有较高诺模图分值的患者预后较差。结论1.本研究首次建立并内部验证能谱CT多能级图像为基础的术前预测胃癌淋巴结转移的诺模图。2.该诺模图集合了CT报告淋巴结状态和能谱CT多能级双期增强和多能级图像为基础的放射组学标签,有助于优化术前预测胃癌患者淋巴结转移,并为放射组学研究提供更多信息。3.该诺模图与胃癌患者预后相关,对总生存期和无进展生存期也显示出较高的预测能力。
【图文】：

流程图,患者,流程图

患者入组流程图

淋巴结转移,CT表现,能谱,基值

图 1.2 淋巴结转移组胃癌患者能谱 CT 表现。男，53 岁，低分化胃腺癌，Borrmann 分型Ⅲ，术后病理分级 pT3N1M0。A：动脉期图像示贲门小弯侧壁不规则增厚，侵犯全层，轻度不均匀强化，表面形成浅溃疡（箭头）；B：动脉期碘图显示胃癌病灶碘基值为 13.87 (10μg/ml)，标准化碘基值为 0.171；C：静脉期图像示胃癌肿块持续强化；D：静脉期碘图显示病灶碘基值为 22.37 (100 μg/ml)，标准化碘基值为 0.473；E：下方层面动脉期图像示肝胃间淋巴结肿大，术后病理证实为转移淋巴结（*）；F：下方层面静脉期量图像示肝胃间肿大淋巴结明显强化（*）。
【学位授予单位】：郑州大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：R730.44;R735.2

【相似文献】