CT影像组学模型预测非小细胞肺癌骨转移的价值

摘要

目的 探讨CT影像组学模型对非小细胞肺癌(NSCLC)骨转移的预测价值。方法 回顾性分析2014年12月至2020年12月在新疆医科大学附属肿瘤医院经穿刺活检或手术病理证实诊断为NSCLC的149例患者的临床及影像资料。依据检查结果及临床分期信息，将患者分为骨转移组71例和非骨转移组78例。采用完全随机的方法将所有患者按6∶4的比例分为训练集(89例)和验证集(60例),应用ITK-SNAP软件，分别在平扫、动脉期和静脉期图像上逐层手动勾画病灶的感兴趣区(ROI)并进行三维融合获得病灶的容积ROI(VOI),然后导入AK软件中提取每个病灶的纹理特征。采用最小冗余最大相关(mRMR)和最小绝对值收敛和选择算子(LASSO)分别对平扫、动脉期、静脉期及多序列(平扫+动脉期+静脉期)的组学特征进行筛选用于骨转移的预测，采用Logistic回归分析建立影像组学模型并计算每例患者的分值(rad-score),采用100次留P交叉验证法判定其可靠性。通过Logistic回归分析将临床和影像资料中组间差异有统计学意义的变量建立常规模型，并与预测效能最高的影像组学模型联合建立综合诊断模型，并绘制其诺模图来分析预测概率。采用受试者工作特征(ROC)曲线评价模型的预测能力，应用决策曲线分析(DCA)评估模型的临床应用价值。结果 本研究建立的多序列影像组学模型在训练集和验证集中预测NSCLC伴骨转移的曲线下面积(AUC)分别为0.858和0.848,优于常规模型(训练集和验证集的AUC分别为0.508和0.496)。肿瘤毛刺征与NSCLC患者肺癌伴骨转移密切相关(训练集OR=3.467,P=0.005;验证集OR=4.125,P=0.011)。在训练集和验证集中，综合诊断模型的预测能力的AUC值分别为0.879和0.849。结论 影像组学模型的预测效能均高于常规模型，综合诊断模型明显优于常规模型，影像组学有望成为一种全新的生物学指标帮助临床预测NSCLC骨转移的风险。

关键词

非小细胞肺癌 / 骨转移 / X线计算机技术 / 影像组学模型