多区域CT影像组学预测肺癌放射性肺炎

摘要

目的：根据定位CT影像中的多区域影像组学分析，建立一个可靠的放射性肺炎（RP）预测模型。方法：回顾性分析徐州市肿瘤医院放疗科2021年1月～2023年6月接受放疗的185例患者资料。根据影像结合临床的诊断结果对患者是否发生RP进行分类。在定位CT图像中定义了3个感兴趣区域（ROI）：全肺（Lung）、去除计划靶区的肺组织（Lung-PTV）和PTV。分别提取3组ROI的影像组学特征，采用曼-惠特尼U检验、递归消除和Lasso等方法筛选特征，并使用支持向量机分类算法建立预测模型。采用受试者工作特征（ROC）曲线下面积（AUC）、准确性、特异性、敏感性、阳性预测值（PPV）和阴性预测值（NPV）这6个评价指标来验证模型的性能。结果：预测模型由7个影像组学特征组成，靶肺比临床模型、PTV模型、Lung模型和Lung-PTV模型在测试集的AUC值分别是0.535、0.801、0.672和0.706。PTV模型在训练集的AUC值为0.843，准确性为0.775；在测试集的AUC值为0.801，准确性为0.750。PTV模型的预测性能优于Lung模型、Lung-PTV模型和靶肺比临床模型。PTV+(Lung-PTV)联合模型在训练集和测试集的AUC值分别为0.867和0.806，高于PTV模型和Lung-PTV模型。结论：不同ROI内影像组学特征构建的预测模型对症状性RP的预测能力不同。使用PTV作为ROI的影像组学预测模型具有更好的预测性能。多区域影像组学联合模型能进一步提高对RP的预测能力。

关键词

放射治疗 / 影像组学 / 肺癌 / 放射性肺炎 / 靶肺比 / 预测模型

基金资助

国家自然科学基金(62371243); 江苏省医学重点学科建设单位[肿瘤治疗学(放疗)JSDW202237]; 江苏省重点研发计划社会发展项目(BE2022720); 江苏省卫健委面上项目(M2020006); 江苏省自然科学基金(BK20231190); 常州市社会发展项目(CE20235063)