基于瘤内和瘤周CT影像组学特征的Lung-RADS 4X类肺结节良恶性预测模型构建与验证
RSS 订阅 · 临床放射学杂志
本研究回顾性纳入323例Lung-RADS 4X类肺结节术前CT平扫图像，分别提取瘤内、瘤内+瘤周3 mm及瘤内+瘤周5 mm感兴趣区的影像组学特征，结合CT形态学特征构建联合预测模型。结果显示联合模型诊断效能最优，验证集AUC达0.835，提示纳入瘤周区域（尤其3 mm范围）及形态学特征可有效提升Lung-RADS 4X类结节的良恶性鉴别能力。
要点
- 联合模型（影像组学+CT形态学）对Lung-RADS 4X类结节鉴别效能最优，验证集AUC为0.835。
- 瘤内+瘤周3 mm模型（AUC 0.714）优于单纯瘤内模型（AUC 0.688），勾画ROI时建议包含瘤周3 mm区域。
- 该模型专针对Lung-RADS 4X类结节，不适用于其他Lung-RADS分类的结节。
核心结论
- 纳入瘤周3 mm区域的影像组学模型优于单纯瘤内模型，进一步联合CT形态学特征后联合模型诊断效能最优，验证集AUC为0.835。
研究设计与样本
- 研究类型：回顾性单中心研究。
- 样本量：323例Lung-RADS 4X类肺结节，来源为术前CT平扫图像。
- ROI划定：分别勾画瘤内、瘤内+瘤周3 mm、瘤内+瘤周5 mm三种感兴趣区。
- 建模方法：提取影像组学特征构建Rad-score，采用Logistic回归构建影像组学模型及联合模型。
- 参考标准：手术病理结果（术前CT平扫图像对应）。
关键影像表现/征象
- 瘤内模型验证集AUC为0.688，提示单纯瘤内特征对4X类结节鉴别能力有限。
- 加入瘤周3 mm区域后模型AUC提升至0.714，优于加入瘤周5 mm区域的0.696。
- CT形态学特征与影像组学特征融合后，联合模型训练集AUC为0.882，验证集AUC为0.835。
诊断标准与关键数值
- 瘤内模型验证集AUC：0.688。
- 瘤内+瘤周3 mm模型验证集AUC：0.714。
- 瘤内+瘤周5 mm模型验证集AUC：0.696。
- 联合模型训练集AUC：0.882；验证集AUC：0.835。
临床应用与阅片要点
- 对Lung-RADS 4X类结节进行影像组学分析时，建议ROI勾画范围扩展至瘤周3 mm以提升鉴别效能。
- 报告Lung-RADS 4X类结节时，可结合CT形态学特征辅助判断良恶性，联合模型效能优于单一影像组学模型。
- 注意该模型仅针对Lung-RADS 4X类结节建立，勿将结论外推至其他分类结节。
局限性
- 单中心回顾性研究，存在选择偏倚，外部推广性有待多中心前瞻性验证。
- 原文未详细报告各亚组样本量及训练集/验证集划分比例，模型稳定性有待进一步评估。
原文图文
目的 探讨基于瘤内及不同范围瘤周的CT影像组学特征对于Lung-RADS 4X类肺结节良恶性的预测价值,并通过融合CT形态学特征构建联合预测模型,评估其诊断效能。 方法 回顾性搜集323例Lung-RADS 4X类肺结节的术前CT平扫图像,分别勾画瘤内、瘤内+瘤周3 mm及瘤内+瘤周5 mm的感兴趣区（ROI）,提取影像组学特征构建影像组学评分（Rad-score）,并采用 Logistic 回归构建影像组学模型及联合模型。 结果 瘤内模型、瘤内+瘤周3 mm模型、瘤内+瘤周5 mm模型在验证集中的AUC分别为0.688、0.714和0.696。联合模型的诊断性能最优,其在训练集与验证集中的AUC分别达到0.882和0.835。 结论 纳入瘤周区域（尤其是3 mm范围）的影像组学模型对于鉴别Lung-RADS 4X类肺结节的良恶性具有重要价值,进一步联合CT形态学特征可提升模型的预测效能。
来源：临床放射学杂志，查看原文。版权归原作者所有。
引用
- 临床放射学杂志：基于瘤内和瘤周CT影像组学特征的Lung-RADS 4X类肺结节良恶性预测模型构建与验证
供执业医师工作参考，不替代临床判断；数值与分级以指南原文为准。