食管鳞癌淋巴结转移的影像组学与预后的关联

目的 探讨使用卷积神经网络(CNN)提取的食管鳞癌(ESCC)淋巴结转移相关的影像组学特征与ESCC预后的关联.方法 回顾性分析308例ESCC患者的临床资料,其中154例有淋巴结转移、154例无淋巴结转移,按2:1比例将其分为训练集和验证集.通过MRIcroGL软件标记CT影像中的淋巴结,使用CNN分割提取ESCC淋巴结影像特征,通过LASSO回归和随机森林筛选与ESCC淋巴结转移相关的影像组学特征并构建预测模型,采用Cox回归进行特征选择,建立影像组学标签,分析其与ESCC预后的关联,进而构建列线图评价模型预测能力.结果 使用CNN自动提取到999个影像组学特征值;使用LASSO回归筛选出的19个特征,在全模型、训练集和验证集中构建模型的曲线下面积(AUC)(95％CI)分别为0.747(0.694,0.801)、0.751(0.686,0.817)和0.766(0.672,0.860);使用随机森林筛选出9个特征的预测模型中AUC(95％CI)分别为0.692(0.633,0.751)、0.683(0.610,0.755)和0.723(0.624,0.822).多因素Cox回归分析显示,高风险的影像组学标签与ESCC不良的预后相关(P<0.05).列线图结果显示,影像组学标签能很好地预测ESCC预后,总生存率C指数(95％CI)为0.710(0.670,0.749),无病进展生存率C指数(95％CI)为0.775(0.746,0.804).结论 基于CNN和CT影像组学构建的影像组学标签对预测ESCC预后具有很高的价值.