基于CT影像组学精准预测可切除性食管鳞癌淋巴结转移和无病生存期

发布时间：2020-07-05 00:36

【摘要】：研究目的探讨CT影像组学在预测可切除性食管鳞癌淋巴结转移和无病生存期(Disease-Free Survival,DFS)的潜在价值,为临床医师术前筛选出淋巴结转移及复发高风险人群提供佐证,从而辅助临床医师制定个体化的治疗方案。材料与方法在第一部分预测淋巴结转移的研究中,回顾性收集食管鳞癌患者230例(训练集154例,验证集76例)。使用开源软件3D-Slicer手动分割肿瘤体积,基于Python 3.6.2软件中的PyRadiomics工具箱提取影像组学特征,每位病人共提取特征1576个。套索(Lasso)回归方法用于筛选关键特征及构建影像组学标签。采用多因素Logistic回归分析筛选出与淋巴结转移相关的危险因素,用于构建影像组学列线图,并评估列线图的辨别度、校准度、再分类能力及临床实用价值。在第二部分预测DFS的研究中,共纳入病例124例,其中训练样本83例,验证样本41例。基于训练样本,通过Lasso-cox算法筛选出关键影像组学特征,用于构建影像组学分类器。采用多因素Cox回归筛选出与DFS相关的风险因素,用于构建影像组学列线图。对列线图的辨别度及校准度进行评估与验证。所有的统计分析均使用R语言实现,P0.05被认为有统计学意义。结果在第一部分预测淋巴结转移的研究中,筛选出5个关键特征用于构建影像组学标签。在训练集和验证集中,影像组学标签均是食管鳞癌淋巴结转移独立的危险因子(p均0.05)。包含影像组学标签和大小标准的列线图在预测淋巴结转移方面的辨别度显著高于大小标准(AUC:0.773 vs 0.586,p=0.005)。Hosmer-Lemeshow拟合优度检验提示列线图预测的淋巴结转移结果与实际情况具有较好的吻合度(P0.05)。影像组学标签可以显著改善大小标准的再分类能力(IDI:17.3%,p0.001;分类NRI:52.3%,p0.001)。决策曲线分析亦支持影像组学列线图优于大小标准。在第二部分预测DFS的研究中,由6个关键特征建立的影像组学分类器是预测DFS独立的风险因子(HR=2.854,p=0.004)。影像组学分类器在训练样本和验证样本中C-index分别为0.822,0.795。联合影像组学分类器和病理分期构建的列线图具有较高辨别度(C-index:训练样本,0.791;验证样本,0.699),校准曲线分析显示影像组学列线图预测的DFS与实际DFS具有较好的一致性。结论影像组学列线图能术前个体化预测食管鳞癌淋巴结转移,且其预测效能显著高于大小标准。影像组学分类器是预测可切除性食管鳞癌DFS的独立风险因素,它具有较高的辨别度,能为病人术前危险分层及个体化治疗方案的制定提供辅助信息。
【学位授予单位】：南方医科大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：R735.1;R730.44
【图文】：

流程图,流程图,病例

图１－１．病例筛选流程图逡逑Ｆｉｇｕｒｅ．１－１邋Ｓｔｕｄｙ邋ｆｌｏｗｃｈａｒｔ．逡逑２５逡逑

影像,分析流程,影像

逑３．影像组学分析流程逡逑影像组学分析流程见图１－２，包括①ＣＴ图像获取，②肿瘤体积分割，③影像逡逑组学特征提取，④特征筛选及影像组学分类器构建（详见统计分析部分）。逡逑ＣＴ邋Ｉｍａｇｅｓ邋＾邋Ｓｅｇｍｅｎｔａｔｉｏｎ逦Ｖｏｌｕｍｅ邋ｏｆ邋Ｉｎｔｅｒｅｓｔ邋＾逡逑ｌｒ邋＾邋ｉｌｒ邋＾邋ｉＨ邋ｍ邋■逡逑ｍＢｉｉｉｇ邋１１逡逑＾＾ａｔｕｒｅＥＭｏｒ＾ｌ邋ＭＭ逡逑■４；W，Ｓ三＝■逡逑图１－２影像组学分析流程逡逑Ｆｉｇｕｒｅ邋１－２．邋Ｔｈｅ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｒａｄｉｏｍｉｃｓ逡逑首先从ＰＡＣＳ邋（Ｃａｒｅｓｔｒｅａｍ）中将层厚为５ｍｍ的动脉ＣＴ图像导出（ＤＩＣＯＭ格逡逑式），并导入至３Ｄ－ｓｌｉｃｅｒ开源软件（４．６版本，ｈｔｔｐ：／／ｗｗｗ．ｓｌｉｃｅｒ．ｏｒｇ）。在ＣＴ图像上，逡逑食管壁厚度＞５ｍｍ的区域视为肿瘤区域。由１名放射科医生（具有８年的胸部影逡逑像诊断工作经验，告知为食管淲癌患者，但不知晓患者淋巴结转移情况）采用逡逑手动分割方法，逐层勾画肿瘤区域。勾画时因避开食管腔内内容物如气体、水逡逑和肿瘤周围脂肪、血管的干扰，同时避免将邻近管腔侧的肿瘤坏死区纳入肿瘤逡逑区域。最后采用阈值程序去除ＣＴ值小于－５０ＨＵ以及大于３００ＨＵ的像素区域

【相似文献】