摘要
目的研究基于肾透明细胞癌CT平扫纹理分析建立影像组学模型在区分肾透明细胞癌Fuhrman病理分级低(Ⅰ级和Ⅱ级)和高(Ⅲ级和Ⅳ级)中的预测性能。方法回顾性分析肾透明细胞癌基因组数据库（TCGA-KIRC）公共数据库中经穿刺病理活检或手术证实的94例肾透明细胞癌(Clearcellrenalcellcarcinoma，ccRCC)患者的临床资料和影像学资料。其中低级别ccRCC32例，高级别ccRCC62例。采用分层抽样法将患者按照7：3的比例随机分成训练组和验证组。在CT平扫图像中经过软件分析得到全部ccRCC患者的影像组学特征。采用LASSO回归对训练组影像组学特征进行降维，使用多因素logistic回归进一步降维。最终采用二元Logistic回归构建预测模型。最后使用Bootstrap法分别对训练组和验证组模型进行内部验证，并计算受试者工作特征曲线(ReceiverCharacteristicOperator，ROC)下面积(AreaUnderCurve，AUC)，使用Hosmer-Lemeshow拟合优度检验校准模型和临床决策曲线分析。结果LASSO回归结果表明107个影像学特征经过降维后共有11个影像学特征具有意义（Plt;0.05）。多因素logistic回归降维后保留3个组学特征。二元Logistic回归结果表明只有影像学特征是预测肾透明细胞癌患者Furhman分级的独立危险因子。Bootstrap法内部验证结果表明训练组的AUC为0.877(95%CI:0.758～0.844)，预测模型在验证组的AUC为0.813(95%CI:0.833～0.909)。Hosmer-Lemeshow拟合优度检验结果表明，该预测模型在训练组(?2=0.346，P=0.295)和验证组(?2=0.407，P=0.311)的校准度较好。临床决策曲线（DecisionCurveAnalysis，DCA）结果表明概率阈值为2%～95%时，训练组和验证组模型在预测ccRCC病理分级时都使患者的临床获益率高于将患者都认成高级别或低级别，都能使患者净获益。 结论基于CT平扫纹理分析构建的模型在预测肾透明细胞癌Furhman病理分级方面具有良好的效果，可以在ccRCC患者的治疗方式选择和预后等方面提供有价值的参考意见。
NETL