基于增强CT构建鉴别肾透明细胞癌ISUP分级的神经网络模型

目的 基于增强CT构建鉴别肾透明细胞癌(ccRCC)ISUP分级的神经网络模型.方法 收集本单位病理确诊的ccRCC患者131例,ISUP低级别92例、高级别39例.按5:5分层抽样将患者分为训练集和验证集.由影像科医师对ccRCC增强CT图像进行评价.对患者一般特征及增强CT特征采用递归特征消除(RFE)进行降维,用于神经网络建模及验证.结果 患者一般特征及增强CT特征经RFE后降维为14个特征,重要性排序前5的特征为生长方式、坏死、区域淋巴结肿大、肿瘤大小及假包膜.基于该5个特征构建的神经网格模型在训练集鉴别低、高级别ccRCC的AUC为0.8844(95％CI:?0.8062～0.9626),敏感度为89.47％,特异性为82.61％.验证集中的AUC为0.7924(95％CI:0.6567～0.9280),敏感度为75.00％,特异性为86.96％.结论 基于增强CT构建ccRCC?ISUP分级的神经网络模型有较好的诊断效能.