摘要
目的:探讨CT影像组学联合临床因素及CT形态学特征联合构建的列线图在预测混合磨玻璃结节(mGGN)型肺腺癌自然病程(Natural course)的价值。 材料与方法:回顾性分析广西医科大学一附院2013年1月至2020年9月经术后病理确诊为肺腺癌(lung adenocarcinoma)患者204例，按照术前CT随访结果状态分为进展组103例，稳定组101例。依次应用单因素、多因素COX回归比较所有临床特征(年龄、性别、肿瘤史)及基线CT影像学特征(结节最大径、平均CT值、分叶征、毛刺征、空泡征、血管穿行征)，并筛选出影响混合磨玻璃肺腺癌病程的独立影响因子。将204例肺腺癌患者按照7∶3的比例分为训练组(142例)和测试组(62例)，收集患者术前胸部CT平扫检查图像。利用西门子科研平台“Frontier”软件进行病灶感兴趣区(Region of interest,ROI)勾画，先沿着肿瘤横轴位最大层面进行肿瘤区(Gross target volume,GTV)的 ROI 勾勒，标记为 ROIintra,然后复制 ROIintra,得到ROIcopy，沿着ROIcopy边缘自动外扩5mm，得到包含瘤内和瘤周区域(Gross and peritumoral volume,GPTV)的 ROI,标记为 ROI5mm，最后 GPTV组与GTV组ROI相减得到纯瘤周区域(Peritumoral volume,PTV)的ROI,记为ROIperi(ROIperi=ROI5mm-ROIintra)，分别从以上三个不同区域中各提取了 1696个影像组学特征。采用最大相关和最小冗余(Max-Relevance and Min-Redundancy,mRMR)和最小绝对收缩和选择算子(Least absolute shrinkage and selection operator,Lasso)算法去冗余、降维，筛选出最优特征子集，并使用COX回归算法构建基于GTV、GPTV和PTV3个区域的影像组学模型。利用筛选出来具有独立影响作用的临床、CT特征因素建立临床模型，进一步结合最优影像组学模型的评分(Radscore)构建影像组学列线图。本组研究资料为带有随访时间长度的生存资料，因此我们拟合的模型皆为COX模型，不同COX回归模型的预测效能用C指数(Concordance Index)来比较。应用C指数评估临床模型、影像组学模型及影像组学列线图的预测效能，校准曲线用于评估模型预测准确性，决策曲线用于评价预测模型的临床实用价值。 结果:与稳定组比较，进展组患者年龄≥60岁的例数更多，差异有统计学意义(P=0.041＜0.05)，出现分叶征的患者也更多，差异有统计学意义(P＜0.001);然而在单因素和多因素COX回归分析中，我们筛选出CT最大径、平均CT值为独立影响因子，并构建了临床模型(训练集C指数0.657,验证集C指数0.602)。在影像组学分析中，分别从GTV、GPTV及PTV组筛选出4个、8个及14个最佳影像组学特征，并根据筛选出的特征与其系数，计算出每个结节的影像组学评分(Radscore)并建立了三个组学模型。对于GTV组模型，在训练集中C指数为0.689,在验证集中C指数为0.718;对于GPTV组模型，在训练集中C指数为0.741,在验证集中C指数为0.645;对于PTV组模型，在训练集中C指数为0.782,在验证集C指数为0.638。我们选择预测效能比较稳健的GPTV组学模型与临床独立影响因子联合构建列线图，使用多因素COX回归算法构建包括结节最大径、平均CT值及Radscore的联合模型，并用列线图将模型可视化。列线图的预测效能较临床模型及影像组学模型均有提升，在训练集C指数为0.750,验证集C指数为0.648。列线图与临床模型比较C指数训练集与验证集有明显提高，而列线图与影像组学模型比较C指数仅表现出轻度提高。 结论:1.临床因素及CT形态学特征中，结节最大径、平均CT值对混合磨玻璃结节型肺腺癌自然病程进展具有一定预测价值，其中平均CT值预测价值更显著;2.基于GTV、GPTV、PTV的影像组学特征构建的模型在预测混合磨玻璃结节型肺腺癌自然病程中均具有一定的可行性，其中基于GPTV构建的模型预测效能比较稳健;3.联合临床特征、CT形态学特征及影像组学特征建立的影像组学列线图，在预测混合磨玻璃结节型肺腺癌自然病程中效能最佳，可作为一种无创的影像学生物标志物用于临床个体化诊疗。
NETL