影像组学特征对磨玻璃结节型肺腺癌病理亚型的预测作用

ZHANG Huixin,TIAN Xingcang,MA Yunfan

Ningxia Medical Journal(2023)

Cited 0|Views1
No score
Abstract
目的 验证影像组学模型鉴别磨玻璃结节(GGN)型肺腺癌病理亚型(浸润与非浸润)的准确性.方法 回顾性收集184例结节影像学表现为GGN、术后病理证实为肺腺癌的180例手术病例,按照7:3的比例将入组患者的结节随机分为训练组及验证组,训练组有129例结节,验证组有55例结节.选取磨玻璃结节CT图像中的1 mm平扫序列勾画感兴趣区域(ROI),从中提取960个影像组学特征,通过t检验及LASSO回归方法筛选出7个特征.利用支持向量机(SVM)的方法在训练组中构建影像组学模型,并在验证组中验证其准确性.应用受试者工作特征(ROC)曲线评估模型对GGN型肺腺癌病理亚型的预测效能.结果 单因素分析结果显示,性别和病变位置与GGN的病理亚型差异无统计学意义(P>0.05),而年龄及CT图像中结节最大直径与GGN的病理亚型之间的差异有统计学意义(P<0.05).影像组学模型在训练组的AUC(95%CI)值为0.94(0.89~0.99),准确度为91%、灵敏度95%、特异度为84%;在验证组的AUC(95%CI)值为0.88(0.83~0.93),准确度为83%、灵敏度84%、特异度为81%.结论 基于影像组学特征建立的模型对GGN型肺腺癌病理亚型具有预测作用,可以为制定GGN型肺腺癌个体化诊疗策略提供依据.
More
Key words
Radiomics,Ground-glass nodule,Lung adenocarcinoma,Pathological subtypes
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined