基于 18F-FDG PET/CT影像组学治疗前预测唾液腺癌颈部淋巴结转移

• 作者: 延涵 钟奕伟 王凌霄 伍文杰 张杰 张建国 黄明伟
• 来源期刊: 中华放射医学与防护杂志
• 关键词: 唾液腺肿瘤 影像组学 PET/CT 淋巴结转移
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 放射治疗
• 页码范围: 361-366
• 页数: 6页
• 语种: 中文
• DOI: 10.3760/cma.j.cn112271-20220127-00038

摘要

目的:研究氟代脱氧葡萄糖正电子发射计算机断层显像( 18F-FDG PET/CT)影像组学在预测唾液腺癌颈部淋巴结转移中的价值。 方法:对北京大学口腔医学68例唾液腺癌患者进行回顾性研究，随机分为训练组(40例)、验证组(14例)和测试组(14例)。从PET图像中半自动勾画肿瘤原发病灶并提取影像组学特征。经过特征筛选和降维，构建人工神经网络(ANN)预测模型。采用受试者操作特征(ROC)曲线、ROC曲线下面积(AUC)、准确度、灵敏度、特异度对模型预测性能进行评价，采用Delong检验对各模型性能进行比较。结果:基于影像组学特征构建的影像组学模型AUC为0.88(95% CI：0.78~0.95)，灵敏度为75%，特异度为92.3%，准确度为88.2%。结合PET/CT报告的淋巴结状态(cN)和影像组学特征构建的联合模型的AUC为0.97(95% CI：0.89~0.99)，灵敏度为87.5%，特异度为100%，准确度为97.1%。Delong检验显示联合模型与cN的差异具有统计学意义( Z＝2.27， P<0.05)，影像组学模型与cN差异无统计学意义( P>0.05)。 结论:将原发肿瘤 18F-FDG PET/CT影像组学与PET/CT报告的淋巴结状态相结合，构建的基于人工神经网络的模型，能够更准确地预测唾液腺癌患者的颈部淋巴结转移。