基于CT瘤内生境及瘤周影像组学预测甲状腺乳头状癌中央区淋巴结转移的研究

原文图文

目的 探讨基于CT瘤内生境及瘤周影像组学模型预测甲状腺乳头状癌（PTC）中央区淋巴结转移（CLNM）的价值。 方法 回顾性纳入216例经手术病理证实的PTC患者临床及影像学资料,根据病理结果将所有患者分为CLNM阳性组（108例）与CLNM阴性组（108例）,并按7∶3随机分为训练集（151例）和测试集（65例）。在CT动脉期图像上勾画原发灶感兴趣体积（VOI）,向外分别扩展1 mm、3 mm、5 mm获得瘤周VOI;采用K-means聚类算法,结合轮廓系数确定最佳聚类数,将肿瘤划分为3个生境亚区。从瘤内、瘤周及生境VOI中提取107个影像组学特征,在训练集中经 Spearman 相关分析及最小绝对收缩和选择算子（LASSO）算法筛选与CLNM相关性最强的特征。采用单因素逻辑回归筛选临床相关因素,构建临床模型。以轻量级梯度提升机分别构建瘤内、瘤周及生境模型,使用逻辑回归将最佳瘤周及生境模型与临床预测因子建立联合模型。采用受试者工作特征曲线下面积（AUC）、校准曲线和决策曲线分析评估模型效能。 结果 包膜中断征与CLNM显著相关（OR=1.871,95%CI：1.298~2.697, P =0.005）。瘤周1 mm模型在瘤周模型中表现最优,在训练集及测试集中的AUC分别为0.846（95%CI：0.783~0.908）、0.734（95%CI：0.612~0.855）。生境2模型在各生境模型中性能最佳,在训练集及测试集中的AUC分别为0.876（95%CI：0.821~0.932）、0.851（95%CI：0.755~0.948）。基于临床、瘤周1 mm及生境2特征构建的联合模型,在训练集及测试集中的AUC分别为0.907（95%CI：0.862~0.952）、0.869（95%CI：0.780~0.957）,校准曲线及决策曲线分析显示联合模型具有良好的预测性能及临床净收益。 结论 基于CT的瘤内生境与瘤周影像组学联合模型可准确预测PTC CLNM,有望为该个体化手术决策提供无创影像学依据。