论文部分内容阅读
目的:探讨基于直肠MRI及CT的多模态影像组学模型在术前预测直肠癌脉管浸润中的价值。方法:回顾性分析吉林大学第一医院2016年6月至2018年10月,行MR和CT扫描并在2周内获得手术病理证实及脉管浸润病理结果的94例直肠癌患者(阳性46例,阴性48例),以7:3的比例随机分为训练组(n=65)和验证组(n=29)。我们分别在T2加权成像、弥散加权成像和CT静脉期的每一层面上描绘出完整病灶作为感兴趣区域(ROI),利用A.K.软件在ROI中提取影像组学特征。采用T检验或Mann-Whitney U检验、Spearman秩相关性分析和最小绝对收缩选择算子(LASSO)算法选取最有预测价值的特征。基于多因素logistic回归构建影像组学评分。本文分别以两种融合方式建立预测脉管浸润的多模态组学模型,第一种为分别在三种单一模态中进行特征选择,分别得到三个影像组学评分CT_Score,T2WI_Score和DWI_Score,然后将三个组学评分融合生成新的多模态影像组学评分A;第二种是将三种模态特征进行集成,统一进行特征选择,构建多模态影像组学评分B。最后,分别在训练组和验证组绘制受试者工作(ROC)曲线,计算曲线下面积(AUC)、特异度、灵敏度及准确度,对两种方式分别构建的多模态影像组学评分及单一模态组学评分对LVI的预测效能进行评估;采用Hosmer-Lemeshow检验对模型的拟合优度进行检验,并绘制校准曲线,使用决策曲线分析(DCA)比较不同评分的临床应用价值,计算不同阈值概率下的患者的净效益,并将最优的模型以列线图形式呈现。结果:患者的诊断年龄、性别、CEA、CA199、肿瘤厚度及长度在直肠癌脉管浸润组和非浸润组均无统计学差异。分别从每个模态中提取了396个组学特征,一个患者共提取了1188个特征。进行特征选择并建立模型后,最佳的模型是第一种融合方式构建的多模态影像组学评分A,其在训练组中,曲线下面积(AUC)、特异度、灵敏度、准确度分别为0.884(95%CI:0.803-0.964)、0.727、0.938、0.831,在验证组中分别为0.876(95%CI:0.721-1.000)、0.800、0.929、0.862,在训练组和验证组中均显示其具有显著的预测能力。Hosmer-Lemeshow检验的P大于0.05,校准曲线提示模型的拟合度较优,DCA表明多模态影像组学评分A具有较好的临床应用价值。结论:多模态(MR/CT)影像组学模型可作为术前预测直肠癌脉管浸润有效的评估工具。