元医生智能体/影像医生/知识库
文献速递胸部CT

基于临床与CT影像特征的LASSO回归模型鉴别纵隔良性与转移性淋巴结的价值

RSS 订阅 · 临床放射学杂志

回顾性纳入166例纵隔淋巴结肿大患者（良性83例、恶性83例），整合19项临床指标与13项增强CT特征构建LASSO回归模型。联合模型Bootstrap验证AUC为0.945（95%CI：0.920~0.981）、敏感度95.2%、特异度96.4%，显著优于单用临床模型（AUC=0.943）或影像模型（AUC=0.834），外部验证AUC为0.881，可为纵隔淋巴结良恶性鉴别提供量化参考。

要点

  • 联合模型筛选出18个有效预测变量，包括年龄、吸烟史、炎症指标（hs-CRP）、肿瘤标志物（CEA、CYFRA21-1、CA125）及淋巴结影像特征
  • 淋巴结最大短径、长短径比、边界、门结构、坏死/囊变、钙化及静脉期CT值是关键影像鉴别征象
  • 联合模型敏感度95.2%、特异度96.4%，外部验证特异度达97.4%，可减少不必要的活检

核心结论

  • 基于临床与CT影像特征的LASSO回归联合模型对纵隔良性与转移性淋巴结鉴别效能优异（AUC=0.975），显著优于单用临床或影像模型
  • 联合模型Bootstrap验证AUC为0.945（95%CI：0.920~0.981）、敏感度95.2%、特异度96.4%，外部验证AUC为0.881、特异度97.4%
  • 校准曲线与决策曲线显示模型预测概率与实际一致性良好，临床净获益高于单一模型

研究设计与样本

  • 回顾性研究，纳入2023年1月至2025年12月广州市胸科医院经病理证实的纵隔淋巴结肿大患者166例（良性83例、恶性83例）
  • 搜集19项临床指标（年龄、性别、吸烟史、吸烟指数、炎症指标、IGRA、CEA、CYFRA21-1、NSE、CA125、CA199等）及13项增强CT特征
  • 采用LASSO回归构建临床、影像及联合模型，通过10折交叉验证确定最优惩罚参数λ.1se，Bootstrap法（200次）内部验证
  • 使用独立外部验证集评估模型泛化能力，DeLong检验比较模型间AUC差异

关键影像表现/征象

  • 联合模型保留18个预测变量：年龄、发热、吸烟史、吸烟指数、淋巴细胞计数、hs-CRP、IGRA、CEA、CYFRA21-1、CA125及8项CT特征
  • 关键CT影像特征包括：淋巴结最大短径、长短径比、边界清晰度、淋巴结门结构、密度均匀性、坏死/囊变、钙化、静脉期CT值
  • 影像模型单独应用AUC为0.834，提示影像特征对淋巴结良恶性有鉴别价值但需结合临床信息

诊断标准与关键数值

  • 联合模型全数据集AUC为0.975，显著高于临床模型（AUC=0.943，P=0.025）和影像模型（AUC=0.834，P<0.001）
  • 联合模型Bootstrap验证平均AUC为0.945（95%CI：0.920~0.981）、敏感度95.2%、特异度96.4%
  • 外部验证联合模型AUC为0.881（95%CI：0.802~0.960）、准确度84.2%、敏感度71.1%、特异度97.4%

临床应用与阅片要点

  • 结合年龄、吸烟史、炎症指标（hs-CRP）、肿瘤标志物（CEA、CYFRA21-1、CA125）与CT特征可提高纵隔淋巴结良恶性鉴别准确性
  • 重点关注淋巴结短径、长短径比、边界、门结构、坏死/囊变、钙化及静脉期强化程度
  • 模型可为临床提供量化鉴别参考，减少不必要的侵入性活检，辅助无创决策

局限性

  • 回顾性单中心研究，样本量相对有限（166例），需多中心前瞻性验证
  • 外部验证敏感度（71.1%）低于内部验证（95.2%），提示模型在不同人群中表现可能存在差异

原文图文

目的 探讨基于临床与常规增强CT影像特征的LASSO回归模型鉴别纵隔良性淋巴结与转移性淋巴结的价值。 方法 回顾性搜集2023年1月至2025年12月在广州市胸科医院经病理证实的纵隔淋巴结肿大患者166例（良性83例、恶性83例）。搜集19项临床指标[年龄、性别、吸烟史、吸烟指数、临床症状、炎症指标、&#x003b3;-干扰素释放试验（IGRA）、癌胚抗原（CEA）、细胞角蛋白19片段（CYFRA21-1）、神经元特异性烯醇化酶（NSE）、糖类抗原 125（CA125）、糖类抗原199（CA199）等]及13项CT影像特征（淋巴结大小、形态、密度、强化方式等）。采用LASSO回归分别构建临床模型、影像模型及联合模型,通过10折交叉验证确定最优惩罚参数&#x003bb;.1se。采用Bootstrap法（200次）内部验证模型的区分度, DeLong 检验比较模型间曲线下面积（AUC）的差异,并绘制校准曲线及决策曲线评估联合模型的校准度与临床净获益。采用独立外部验证集评估模型的泛化能力。 结果 联合模型保留18个预测变量[年龄、发热、吸烟史、吸烟指数、淋巴细胞计数、超敏C反应蛋白（hs-CRP）、IGRA、CEA、CYFRA21-1、CA125、淋巴结最大短径、长短径比、边界、淋巴结门结构、密度均匀性、坏死/囊变、钙化、静脉期CT值]。Bootstrap验证显示联合模型的平均AUC为0.945[95%置信区间（CI）：0.920~0.981]、敏感度为95.2%、特异度为96.4%。 DeLong 检验显示联合模型的全数据集AUC为0.975显著高于临床模型（AUC=0.943, P =0.025）和影像模型（AUC=0.834, P &#x0003C;0.001）。外部验证显示联合模型的AUC为0.881（95%CI：0.802~0.960）、准确度为84.2%、敏感度为71.1%、特异度为97.4%,提示模型具有良好的泛化能力。 Hosmer-Lemeshow 检验（ P =0.204）,校准曲线显示预测概率与实际观察概率的一致性良好,决策曲线提示联合模型的临床净获益高于单用临床或影像模型。 结论 基于临床与CT影像特征的LASSO回归联合模型对纵隔良性淋巴结与转移性淋巴结的鉴别效能优异,可为临床无创决策提供量化参考。

来源：临床放射学杂志，查看原文。版权归原作者所有。

引用

  1. 临床放射学杂志：基于临床与CT影像特征的LASSO回归模型鉴别纵隔良性与转移性淋巴结的价值
在智能体中追问阅读原文 ↗

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。