首页|基于增强CT影像组学联合临床特征预测肝细胞癌病理分化程度的应用研究

基于增强CT影像组学联合临床特征预测肝细胞癌病理分化程度的应用研究

扫码查看
原文链接
  • 万方数据
  • 维普
目的 探讨增强CT影像组学模型联合临床特征对术前预测肝细胞癌(HCC)的病理分化程度的应用价值.方法 回顾性分析经手术切除或病理穿刺证实为HCC的196例患者的病理学及术前增强CT影像学资料.按照WHO标准将患者分为高分化组及中-低分化组,按照7:3比例将患者随机分为训练组(137例)和验证组(59例),保存增强CT的动脉期(AP)、静脉期(VP)及延迟期(DP)影像学图像,在医准-达尔文科研平台中提取并筛选各期图像的影像组学特征,应用"最大值归一化法、最优特征筛选、最小绝对收缩和选择算子(LASSO)回归"进行降维、筛选,构建动脉期+静脉期、动脉期+延迟期、静脉期+延迟期及三期联合的影像组学模型.应用单因素及多因素分析方法从临床资料中筛选具有统计学差异的危险因素并建立临床模型.用逻辑回归(Logistic)方法分析影像组学模型、临床模型及影像组学联合临床模型,使用受试者工作特征曲线(ROC)评估各模型预测肝癌病理分化程度的效能,并计算曲线下面积(AUC)、准确度、特异度及敏感度等.结果 1.在影像组学模型中,三期联合模型预测肝癌病理分化程度效能最佳,训练组及验证组曲线下面积(AUC)分别为0.877及0.801.2.单因素及多因素分析结果显示AFP(P=0.010)及ALT(P=0.024)最终为预测HCC病理分化程度的危险因素.临床特征AFP及ALT构建临床模型,训练组及验证组曲线下面积(AUC)分别为0.695及0.816.3.联合模型的预测效能优于各期像影像组学模型及临床模型.训练组及验证组曲线下面积(AUC)分别为0.899及0.890.结论 基于增强CT影像组学模型联合临床模型能够准确地预测肝细胞癌(HCC)的病理分化程度.
Application Study on Predicting the Degree of Pathological Differentiation of Hepatocellular Carcinoma Based on Enhanced CT Imaging Histology Combined with Clinical Features

Hepatocellular CarcinomaRadiomicsPathological Differentiation DegreeTomographyX-ray Computed

吕娜、马春雨、朱林、郭飞

展开 >

蚌埠医学院第一附属医院放射科 安徽蚌埠 233000

肝细胞癌 影像组学 病理分化程度 体层摄影术 X线计算机

2024

10.3969/j.issn.1672-5131.2024.03.039

中国CT和MRI杂志
北京大学深圳临床医学院 北京大学第一医院

中国CT和MRI杂志

CSTPCD
影响因子：1.578
ISSN：1672-5131
年,卷(期)：2024.22(3)
  • 19