基于CT检查影像组学胃神经内分泌肿瘤预后的预测模型构建及其应用价值
Chinese Journal of Digestive Surgery(2023)
Abstract
目的:构建基于CT检查影像组学胃神经内分泌肿瘤(GNEN)预后的预测模型,探讨其应用价值。方法:采用回顾性队列研究方法。收集2011年8月至2020年12月2家医学中心收治的182例(郑州大学第一附属医院124例,郑州大学附属肿瘤医院58例)GNEN患者的临床病理资料;男130例,女52例;年龄为64(56~70)岁。182例患者通过随机数字表法按7∶3随机分为训练集128例和验证集54例。182例患者均行CT增强检查。观察指标:(1)影像组学模型的构建与验证。(2)影响训练集GNEN患者预后因素分析。(3)GNEN患者预后预测模型构建与评估。偏态分布的计量资料以 M(范围)表示,组间比较采用Mann-Whitney U检验。计数资料以绝对数表示,组间比较采用 χ2检验、校正 χ2检验或Fisher确切概率法。采用Kaplan-Meier法计算生存率和绘制生存曲线,采用Log-rank检验进行生存分析。单因素和多因素均采用COX回归模型。使用R软件(4.0.3版本)glmnet软件包进行最小绝对收缩和选择算子方法(LASSO)-COX回归分析,使用rms软件包(4.0.3版本)生成列线图和校准曲线图,使用Hmisc软件包(4.0.3版本)计算C-index,采用dca.R软件包(4.0.3版本)进行决策曲线分析。 结果:(1)影像组学模型的构建与验证:提取182例GNEN患者1 781个影像组学特征,经组内相关系数>0.75的特征筛选和LASSO-COX回归模型进一步降维后,最终筛选14个非零系数影像组学特征,计算影像组学评分(R-score),构建基于R-score的影像组学预测模型。采用R-score的最佳截断值为-0.494,将训练集128例患者分为高风险64例和低风险64例;将验证集54例患者分为高风险35例和低风险19例。影像组学预测模型预测训练集患者18、24、30个月总生存率的曲线下面积分别为0.83[95%可信区间( CI)为0.76~0.87, P<0.05]、0.84(95% CI为0.73~0.91, P<0.05)、0.91(95% CI为0.78~0.95, P<0.05);验证集上述指标分别为0.84(95% CI为0.75~0.92, P<0.05)、0.84(95% CI为0.73~0.91, P<0.05)、0.86(95% CI为0.82~0.94, P<0.05)。(2)影响训练集GNEN患者预后因素分析。多因素分析结果显示:性别、年龄、治疗方式、肿瘤边界、肿瘤T分期、肿瘤N分期、肿瘤M分期、Ki-67指数、CD56表达是影响训练集GNEN患者预后的独立因素( P<0.05)。(3)GNEN患者预后预测模型构建与评估。纳入性别、年龄、治疗方式、肿瘤边界、肿瘤T分期、肿瘤N分期、肿瘤M分期、Ki-67指数、CD56表达构建临床预测模型,训练集和验证集C-index分别为0.86(95% CI为0.82~0.90)、0.80(95% CI为0.72~0.87);影像组学预测模型上述指标分别为0.80(95% CI为0.74~0.86)、0.75(95% CI为0.66~0.84);临床-影像组学联合预测模型上述指标分别为0.88(95% CI为0.85~0.92)、0.83(95% CI为0.77~0.89)。校准曲线显示:临床预测模型、影像组学预测模型、临床-影像组学联合预测模型的预测能力良好。决策曲线显示:临床-影像组学联合预测模型对GNEN预后的评估能力优于临床预测模型、影像组学预测模型。 结论:经过筛选,通过14个影像组学特征构建GNEN预后的预测模型,该预测模型可较好预测GNEN患者预后,临床-影像组学联合预测模型的预测效能更优。
MoreTranslated text
Key words
Stomach neoplasms,Neuroendocrine neoplasm,Prognosis,Tomography,X-ray computed,Radiomics
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined