摘要
目的 探讨基于多期增强CT影像组学特征、临床因素、放射学特征及肾透明细胞癌(Clearcellrenalcellcarcinoma，ccRCC)细胞外体积分数（ECV）来术前预测WHO/ISUP病理分级的最佳分类方法的应用价值研究。 材料与方法 1.病例收集 本研究回顾性分析于2018年1月1日至2021年12月31日期间在大连医科大学附属第二医院因肾脏肿瘤接受手术，最后经病理及免疫组化证实的肾透明细胞癌患者124例，其中高级别63例，低级别61例。收集所有患者临床资料及常规影像学特征（包括位置、形态、最长径、钙化、出血、囊变坏死、强化方式、生长方式、包膜等)。测量所有患者平扫期及实质期病灶的CT值以及同期患侧肾动脉开口水平腹主动脉的CT值，计算每位患者的肿瘤细胞外体积分数（ECV）。 2.影像组学模型的建立 使用3DSlicer软件分别手工逐层分割每位患者的CT肿瘤图像，包括平扫期、皮质期及实质期图像。进行肿瘤感兴趣区(regionofInterest，ROI)的勾画后同时提取每位患者每期的CT影像组学特征。随后将提取的影像组学特征上传至影像组学云平台（医准-达尔文智能科研平台），以7：3的比例随机分为训练集(n=86)和验证集(n=38)，使用最小冗余最大相关性(mRMR)特征筛选法筛选出相关度最高的影像组学特征，采用支持向量机分类器分别构建单期（平扫期、皮质期及实质期）及三期联合影像组学模型。最后，应用单因素逻辑回归分析比较两组间临床资料、常规影像学特征、ECV及联合影像组学特征间的差异，将P＜0.001的临床资料、常规影像学特征及ECV与影像组学特征联合，采用支持向量机分类器分别构建临床放射模型、ECV模型及综合预测模型。通过受试者工作特征曲线(ROC)和敏感度、特异度等参数进行评价。分析评价各模型在验证集与验证集中预测WHO/ISUP分级的效能。 结果 1.患者基本临床基线资料 对于患者所有基本临床资料分析，ccRCCWHO/ISUP高级别组与低级别组间差异均无统计学意义（P＞0.05）；与红细胞压积（HCT）及手术方式差异具有统计学意义（P均小于0.001）。常规影像学特征中肿瘤最大直径、坏死、瘤内动脉、脉管癌栓、肾周侵犯、包膜差异具有统计学意义（P均小于0.001)，其余均无统计学意义（P＞0.05）。 2.ECV模型预测模型性能评估 低级别组肾透明细胞癌ECV低于高级别组肾透明细胞癌组，其差异具有统计学意义（低级别组为0.43（0.40,0.45）；高级别组为0.60（0.58,0.61），P＜0.001)。ECV对ccRCCWHO/ISUP病理分级在训练集和验证集预测性能分别为：训练集的AUC约为0.907灵敏度、特异度及F1分数分别为0.952、0.727及0.851；验证集的AUC约为0.868，灵敏度、特异度及F1分数分别为0.889、0.750及0.821。 2.各模型预测效能及比较 三期联合影像组学模型训练集的AUC约为0.950，灵敏度、特异度及F1分数分别为0.929、0.818及0.876；验证集的AUC约为0.910，灵敏度、特异度及F1分数分别为0.889、0.750及0.821。临床放射模型训练集的AUC约为0.917，灵敏度、特异度及F1分数分别为0.810、0.957及0.883，灵敏度、特异度及F1分数分别为0.889、0.700及0.782；验证集的AUC约为0.909，灵敏度、特异度及F1分数分别为0.810、0.957及0.883，灵敏度、特异度及F1分数分别为0.889、0.700及0.782。综合模型训练集的AUC约为0.971，灵敏度、特异度及F1分数分别为0.952、0.887及0.920；验证集的AUC约为0.950，灵敏度、特异度及F1分数分别为1.000、0.850及0.878。 结论 基于CT单期或多期增强影像组学特征的所构建的SVM影像组学模型，可以较准确地预测ccRCCWHO/ISUP病理分级，三期联合模型的准确性最高。此外，加入一些差异有统计学意义的基本临床资料、常规影像学特征及肿瘤ECV所构建的综合模型能在一定程度上能提高预测模型的诊断效能。
NETL