CT影像组学预测胰腺神经内分泌肿瘤的病理分级

• 作者: 徐珊珊 毛应凡 董国强 祝琼洁 汤盛楠 张怡帆 何健
• 来源期刊: 东南国防医药
• 关键词: 胰腺肿瘤 病理分级 影像组学 X线计算机体层摄影术
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 临床研究|Clinical Research
• 页码范围: 460-465
• 页数: 6页
• 分类号: R730.44|R735.9
• 语种: 中文
• DOI: 10.3969/j.issn.1672-271X.2021.05.003

摘要

目的 探讨基于术前X线计算机体层摄影术(CT)检查影像组学对预测胰腺神经内分泌肿瘤的病理分级的价值.方法 回顾性分析2017年1月至2020年5月南京大学医学院附属鼓楼医院48例经手术病理证实的胰腺神经内分泌瘤(PanNETs)患者临床资料,收集术前1个月内CT增强图像.分析所有纳入患者的手术前CT增强图像,采用影像组学技术自动分割动脉期和静脉期CT图像上的肿瘤边界并提取肿瘤全容积中的组学特征,使用LASSO回归分析方法进行特征选择以及Logistic回归筛选独立预测因子并建立预测病理分级的影像组学模型.使用受试者工作特征曲线(ROC)及曲线下面积(AUC)评价模型的预测效能.结果 分别从患者的动脉期和静脉期提取200个组学特征,筛选出3个最具区分性的特征用于建立影像组学模型.对CT影像学表现进行单因素和多因素分析,筛选出肿瘤边界(OR=79.927,95％CI:3.037～2103.461;P=0.009)和周围器官侵犯(OR=19.001;95％CI:1.964～183.866;P=0.011)为预测因素并建立影像表现模型.综合模型结合了影像组学特征、肿瘤边界和周围器官侵犯,具有更好的预测效能(AUC=0.938),高于影像表现模型(AUC=0.892)和影像组学模型(AUC=0.901).结论 由术前的CT影像表现和影像组学特征建立的综合模型对PanNETs的病理分级具有最佳的预测效能,优于影像组学模型,更好地为临床医师对胰腺神经内分泌肿瘤患者的个体化治疗提供参考意义.