摘要
目的和意义:建立并验证一个基于经直肠腔内超声图像的影像组学特征，用于预测结直肠癌术前周围神经侵犯（perineural invasion，PNI）。 方法:共有437名结直肠癌患者（2018年1月1日至2021年4月30日期间在我院就诊并经手术病理证实诊断为结直肠癌）被回顾性纳入研究。他们被分为训练集和验证集，采用ITK-SNAP （version 3.8.0）软件手动勾画基于结直肠癌病变的最大灰阶超声图像的感兴趣区域（ region of interest,ROI）。随后将手动勾画好的ROI按格式导入Intelligence Foundry （ version 1.3 ）软件进行影像学特征的提取。先采用极值归一化（MinMax Normalization）标准化处理影像学特征数据，使各项数据处于同一数值量级以便于分析。随后采用Spearman相关系数和支持向量机递归特征消除（recursive feature elimination based on support vector machine,SVM-RFE）算法将冗余的影像学特征抹除，挑选出最优的与结直肠癌PNI相关的影像学特征。最后，选用多种分类器构建出最佳的影像组学预测模型，同时结合有意义的临床危险因素建立与结直肠癌PNI状态相关的联合预测模型。应用接收器工作特性曲线（Receiver Operating Characteristic Curve，ROC）的曲线下面积（area under curve，AUC ）评估每个模型的性能。 结果:在437名患者中，72名（16.5％）为PNI阳性，365名（83.5％）为PNI阴性。通过分层抽样的方法，按照8∶2随机分配为训练集（n=349）和验证集（n=88）。将勾画好的结直肠病变图像的ROI从Intelligence Foundry软件中共提取出5793个影像学特征。经过数据降维、特征筛选，最终选出13个有效特征并构建影像组学预测模型。影像组学预测模型在训练集及验证集的 AUC 分别为 0.847（95％CI=0.805-0.883）、0.726（95％CI=0.620-0.816）。此外，还通过单因素及多因素logistic回归分析显示超声组学评分（rad-score）、血清学CEA和CA125是结直肠癌PNI的独立危险预测因子，并构建临床特征预测模型及联合预测模型。影像组学预测模型及联合预测模型的AUC均高于临床预测模型。 结论:基于经直肠腔内超声图像的影像组学在一定程度上有助于术前预测结直肠癌患者的周围神经侵犯。
NETL