基于CT图像及临床资料的随机森林模型对结直肠癌术前T分期的诊断价值

目的 探讨基于CT图像及临床资料的随机森林(RF)模型对结直肠癌患者术前T分期的诊断价值.方法 回顾性分析2016年1月至7月吉林大学第一医院,经手术病理证实为结直肠癌,获得病理T分期,且术前接受过CT结肠成像(CTC)或注水法结肠CT检查的450例患者(≤T2、T3、T4期各150例),按照2:1的比例采用计算机随机软件将患者分为训练组300例,验证组150例(≤T2、T3、T4期各50例).病变均为单发.患者均行腹部CT平扫及增强扫描.收集患者的临床、影像及病理资料(性别、年龄、癌胚抗原、糖类抗原19-9、肠壁形变、肿瘤最大径、病变处肠壁厚度、肿瘤位置、强化率、强化均匀性、病理T分期).采用Spearman相关分析评价上述临床和影像因素与病理T分期的相关性.对训练组患者采用RF算法建立结直肠癌术前分期模型,分别采用RF预测模型和传统影像方法对验证组患者进行T分期诊断,以术后病理分期作为金标准,分别计算两种方法的准确度.采用一致性检验评价RF模型与病理结果的一致性.结果 T分期与CEA、CA19-9、肠壁形变、肿瘤最大径和病变处肠壁厚度均呈正相关(r值分别为0.449、0.291、0.624、0.573和0.386,P均<0.05),与年龄、肿瘤位置、强化率和强化均匀性呈低度负相关(r值分别为-0.115、-0.245、-0.120和-0.339,P均<0.05).RF模型预测≤T2、T3和T4期结直肠癌和病理分期具有中、高度一致性(Kappa值分别为0.769、0.615和0.800).RF模型和传统影像方法诊断T分期的准确度分别为80.7%(121/150)和54.0%(81/150).结论 应用基于多层CT图像及临床资料的RF模型可以提高结直肠癌术前T分期的诊断效能.