基于定量影像学生物标志物构建肾透明细胞癌术前精准分级预测模型的可行性

• 作者: 吴徐璐 周永进 夏海红 孔春丽 江春燕 纪建松 舒恩芬 谢良钧 赵雪妙 陈春妙 高杨
• 来源期刊: 温州医科大学学报
• 学科: 医学
• 关键词: 肾透明细胞癌 分级 影像组学 体层摄影术,X线计算机 预测模型
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 论著
• 页码范围: 896-900
• 页数: 5页
• 分类号: R493
• 语种: 中文
• DOI: 10.3969/j.issn.2095-9400.2020.11.007

摘要

目的:探讨利用CT影像组学技术筛选定量影像学生物标志物进而构建肾透明细胞癌术前WHO/ISUP分级精准预测模型的可行性.方法:回顾性收集2010年1月至2019年10月在丽水市中心医院经手术病理证实且病理分级明确的肾透明细胞癌(ccRCC)患者72例,其中高分化组(I+II级)52例,低分化组(III+IV级)20例.收集入组患者的术前皮髓期CT图像进行影像组学分析筛选影像学生物标志物进而训练预测模型.首先利用ITK-SNAP软件在皮髓期图像手动逐层勾画靶病灶(最大病灶)边缘融合成全病灶三维感兴趣区(VOI),随后利用A.K软件提取纹理参数,并基于R语言筛选特征性纹理参数作为影像学生物标志物,进一步基于上述纹理参数计算各个患者的Rad-score,最终构建ccRCC精准分级预测模型.结果:本研究共提取出396个纹理特征,并利用Lasso降维联合10倍交叉验证法筛选出了皮髓期CT图像的5个特征性纹理参数作为预测生物标志物,分别为均方根、峰度、相关性、熵、惯性,并计算得到了各个患者相对应的Rad-score.基于Rad-score构建ccRCC术前分级预测模型,其曲线下面积为0.891(95％CI=0.797～0.952),敏感度和特异度分别为84.6％和85.3％.结论:基于皮髓期CT图像的影像组学技术构建的术前ccRCC精准分级预测模型具有较高的准确度、特异度和敏感度,利用该方法进行分级预判是可行的.