摘要
目的:提取门静脉期增强CT图像中的影像组学特征，评估影像组学模型（radiomics score,Rad-score）在预测肝硬化患者首次继发食管胃底静脉曲张出血（gastroesophageal varices bleeding,GEVB）风险中的价值。 方法:回顾性分析川北医学院附属医院2018年1月至2022年6月经影像学检查、实验室检查及病理组织学证实为肝硬化患者208例，根据纳入排除标准分为非出血组（116例）和出血组（92例），将所有患者按照7∶3随机分为训练组（145例）和验证组（63例）。本研究基于增强CT门静脉期图像提取整体肝脏、整体脾脏、食管下段胃底区的影像组学特征，并收集患者相关临床资料，运用R4.4.2和SPSS26.0软件进行统计学分析，采用组内组间相关性分析、单因素和多因素Logistic回归分析、最小绝对收缩和选择算子算法（least absolute shrinkage and selection operator,LASSO）进行特征降维及筛选，并建立相关的Rad-score。通过单因素及多因素Logistic回归筛选出与出血相关的独立临床危险因素。建立六个预测模型，分别为Rad-score（liver）、Rad-score（spleen）、Rad-score（esophagus）、Rad-score（liver+spleen+esophagus）即影像组学特征融合模型、临床预测模型（仅包含独立临床危险因素）、联合预测模型（包含独立临床危险因素和影像组学特征融合模型）。运用受试者工作特征曲线（receiver operating characteristic curve,ROC）下面积（area under the curve,AUC）评估不同模型的区分度，校准曲线（calibration curve）评估校准度，临床决策曲线分析（decision curve analysis,DCA）评估临床效用价值。并通过验证组进行验证。 结果:本研究最终从肝脏筛选出6个、脾脏6个、食管下段胃底区9个影像组学特征分别建立单一影像组学模型，并计算其Rad-score,影像组学特征融合模型筛选出15个影像组学特征（其中包括肝脏4个、脾脏4个、食管下段胃底区7个特征）;腹水、门静脉血栓形成、血浆凝血酶原时间是独立临床危险因素。训练组中，联合预测模型、影像组学特征融合模型、Rad-score（liver）、Rad-score（spleen）、Rad-score（esophagus）、临床预测模型的 AUC（95％CI）分别为 0.951（95％CI:0.919～0.983）、0.930（95％CI:0.891～0.970）、0.801（95％CI:0.727～0.875）、0.831（95％CI:0.766～0.897）、0.864（95％CI:0.807～0.922）、0.727（95％CI:0.644～0.811）,在验证组中的 AUC（95％CI）分别为 0.930（95％CI:0.872～0.987）、0.886（95％CI:0.808～0.964）、0.763（95％CI:0.646～0.880）、0.792（95％CI:0.677～0.906）、0.857（95％CI:0.762～0.952）、0.692（95％CI:0.556～0.828）。训练组和验证组中，联合预测模型和影像组学特征融合模型的预测性能较为接近，并且均高于单一影像组学模型和单一临床预测模型。训练组中，联合预测模型与各个模型间均具有统计学差异（P＜0.05），验证组中，联合预测模型与 Rad-score（liver）、Rad-score（spleen）及临床预测模型之间具有统计学差异（P＜0.05）,而联合预测模型与影像组学特征融合模型及Rad-score（esophagus）之间无统计学差异（P＞0.05）。校准曲线显示训练组及验证组中联合预测模型的校准度良好。DCA决策曲线分析显示，在训练组和验证组中，联合预测模型获得的临床净效益最大，并且在一定阈值范围内，联合预测模型与影像组学特征融合模型所获得的临床净效益无显著差异。 结论:基于门静脉期增强CT图像的影像组学模型可用于预测肝硬化患者继发食管胃底静脉曲张出血风险，并且具有良好的预测效能，为肝硬化患者继发食管胃底静脉曲张出血提供了一种无创预测策略，有助于临床医生及早判断高出血风险人群,对临床治疗提供个体化指导意见。
NETL