基于CT影像组学列线图鉴别非功能性神经内分泌肿瘤与实性假乳头状瘤

目的:探讨基于术前CT图像构建的影像组学列线图预测非功能性神经内分泌肿瘤(NF-pNETs)与实性假乳头状瘤(SPTs)的价值.方法:纳入87例经病理证实的NF-pNETs和SPTs,按7:3随机分为训练组(62例)和验证组(25例).使用A.K.软件对CT平扫、动脉期和延迟期图像提取肿瘤纹理特征.采用最大相关-最小冗余(mRMR)算法、套索(LASSO)算法及10折交叉验证进行特征降维,筛选出最具特征的参数.运用多因素Logistic回归筛选相关因子结合影像组学评分(Rad-score),构建影像组学列线图模型.采用受试者工作特征(ROC)曲线评价影像组学模型区分二者的诊断效能.决策曲线分析(DCA)评价模型的获益情况.结果:CT平扫、动脉期和延迟期图像提取的396个特征经mRMR、LASSO和10折交叉验证筛选后最终保留特征分别为8个、6个、7个,综合模型最终保留10个特征.使用多因素Logistic回归构建包含性别、年龄、肿瘤最大径和CT平扫、动脉期、延迟期联合的Rad-score综合影像组学列线图.综合影像组学列线图的预测效能优于CT平扫、动脉期和延迟期建立的影像组学模型,训练组ROC曲线下面积为0.97(95％CI=0.94～1.00),验证组为0.92(95％CI=0.81～1.00).DCA显示风险阈值大于0.45时,使用综合影像组学列线图对鉴别二者的临床应用价值较大.结论:基于CT平扫、动脉期和延迟期构建的综合影像组学列线图对NF-pNETs和SPTs有较好的区分能力,可辅助作为一种术前评估的无创性影像学手段.