基于CT影像组学联合临床参数构建的列线图模型可有效鉴别非小细胞肺癌与肺良性病变

摘要

目的 探讨基于CT影像组学联合临床参数构建的列线图模型在鉴别非小细胞肺癌与肺良性病变中的价值。方法 对蚌埠医科大学第一附属医院2020年12月～2023年12月经病理证实的177例肺良性病变和非小细胞肺癌患者进行回顾性研究。按照8∶2的比例将病例随机分为训练组和验证组。从CT增强图像中提取影像组学特征，通过Relief-LASSO逐级降维，最终从2264个影像组学特征中成功筛选出了5个最佳特征。采用单-多因素logistic回归筛选临床独立危险因素。分别构建临床、影像组学以及列线图模型。采用ROC曲线下面积校准曲线和决策曲线分析等方法多维度评估列线图模型的性能表现。结果 列线图模型展现出了卓越的预测性能，其曲线下面积在训练集和验证集中分别为0.872(95%CI:0.817～0.928)和0.788(95%CI:0.627～0.948)，高于单独影像组学模型（0.811、0.722）和临床模型（0.797、0.734）。结论 本研究建立的列线图模型是一种可用于非小细胞肺癌与肺良性病变鉴别诊断的无创术前预测工具，表现出了优异的鉴别和校准能力，表明其在肺癌早期筛查中的临床效用，可以在术前为临床决策提供重要指导。

关键词

肺癌 / 列线图 / 肺结节 / 影像组学