术前预测胃癌Lauren分型的CT影像组学诺模图的构建和验证

发布时间：2025-02-09 18:21

　　 目的:探讨基于CT图像的影像组学诺模图术前预测胃癌Lauren分型的可行性。方法:回顾性分析经病理检查确认的539例胃癌患者的临床资料,按照7∶3的比例随机分为训练集和验证集,利用ITK-SNAP软件对门脉期CT图像进行勾画,从瘤内及瘤周提取两组影像组学特征。利用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归筛选出最优特征组合,分别构建了基于瘤内的模型、基于瘤周的模型及联合瘤内及瘤周特征的影像组学标签,基于临床特征构建了临床模型1和临床模型2,最后结合临床特征和影像组学标签构建了影像组学模型。利用受试者工作特征(receiver operator characteristic,ROC)曲线下面积(area under curve,AUC)评估模型的预测能力。采用Delong检验比较各个模型间的预测性能。采用校准曲线验证模型预测概率与实际病理结果的匹配性,决策曲线评估临床信息的有效性。结果:影像组学标签在训练集与验证集的AUC分别为0.715 (95%CI:0.663～0.767),0.714(95...

【文章页数】：6 页

【部分图文】：

图1 训练集及验证集中的ROC曲线

关于影像组学模型与影像组学标签之间的关系，尽管验证集中Delong检验显示影像组学模型和影像组学标签之间没有显著的统计学差异(P=0.1204)，但是验证集中5.71%的IDI显示出影像组学模型较影像组学标签的提升。此外在验证集中，影像组学模型相较于临床模型2,17.73%的I....

图2 影像组学诺模图

图1训练集及验证集中的ROC曲线影像组学模型的校准曲线显示出良好的适应度(图4A)。与阈值概率范围在1以内的两种临床方案相比，验证集中的决策曲线分析(图4B)表明影像组学模型在指导不同Lauren分型胃癌患者的治疗时增加了更多益处。

图3 Delong检验

术前Lauren分型对治疗方案的选择有重要影响。弥漫型胃癌的浸润范围通常超过边界数厘米，因此弥漫型胃癌的切除范围较大，切口边缘距肿瘤边缘约8～10cm[14]。另一方面，弥漫型胃癌通常比肠型预后差[15]。因此，在术前准确预测Lauren分型尤为重要。目前术前Lauren分型主....

图4 校准曲线和决策曲线

图3Delong检验本研究结果显示影像组学模型可以作为一种有效工具，用于术前预测胃癌Lauren分型，并获得良好的诊断效能。与单一基于瘤内影像组学特征模型相比，影像组学标签预测性能稍高(AUC为0.659和0.715)。研究显示肠型胃癌和弥漫型胃癌的组织学改变不仅在肿瘤区有显著....

本文编号：4032672