论文部分内容阅读
局部晚期宫颈癌肿瘤巨大,术前新辅助化疗能缩小肿瘤,提高手术切除率,在我国各医院广泛开展,使用率高。但20~30%的新辅助化疗无效者,因延误治疗时机致肿瘤进展,显著恶化生存预后,然而,目前尚无有效预测化疗疗效反应的标志物。基于人工智能的影像组学技术能从图像中提取高通量特征映射肿瘤异质性,已成功在多种癌症中建立比传统方法更准确的疗效预测模型,但尚未在宫颈癌新辅助化疗治疗前评估中运用。本文以前沿的影像组学方法探索宫颈癌新辅助化疗疗效预测的新途径。一、基于治疗前计算机断层扫描(CT)影像组学预测宫颈癌新辅助化疗疗效反应回顾性收集10个医院277例局部晚期宫颈癌治疗前盆腔平扫及静脉期CT影像数据,将癌灶区域提取的影像组学特征经支持向量机、套索(LASSO)、岭回归、随机森林、极随树5种方法进行特征选择最终筛选出6个特征。由随机森林法构建的影像组学标签,无论自身或是与临床指标组合成联合模型,两者都能有效识别化疗有效和无效者。在训练、测试集中,联合模型的预测准确度(ACC)、受试者曲线下面积(AUC)均比影像组学标签高(测试集:ACC为82.14%,AUC为0.821),性能更好,且具有优秀的校准度。二、基于治疗前磁共振(MRI)影像组学预测宫颈癌新辅助化疗疗效反应回顾性收集8个医院275例宫颈癌治疗前盆腔MRI影像,以支持向量机-递归消除方法筛选从不同序列的肿瘤内、肿瘤周围区域提取的特征。通过随机森林方法分别构建3个(T1WI瘤内、T2WI瘤内、T2WI瘤周)单序列模型和3个多序列组合的模型。6个影像组学模型的预测精度均显著优于临床模型和临床医生,且(T1WI瘤内+T2WI瘤内+T2WI瘤周)三序列联合模型具有最佳预测性能,测试集上预测准确率为90.2%,AUC为0.999,特异度为100%,灵敏度为83.6%。三、多中心数据外部验证已构建的CT和MRI影像组学模型的稳定性重组多中心数据构建独立验证组来外部验证已建立的CT、MRI预测模型的性能稳定性。以相同的影像组学方法在独立验证组中分别训练、测试CT和MRI模型,结果显示6个特征组成的CT影像组学标签在2个独立验证组中仍然保持一致的高分类性能(测试集AUC分别为0.796、0.822),模型稳定性好。3个多序列MRI影像组学模型在3个独立验证组间也保持一致的高预测性能,且(T1WI瘤内+T2WI瘤内+T2WI瘤周)三序列联合模型在3个验证组中都具有最佳的预测精度(测试集AUC分别为0.979、0.998、0.990),最高的灵敏度、特异度,是最稳健性的预测模型。结论:基于多中心的CT、MRI影像组学模型可治疗前高准确率地预测子宫颈癌新辅助化疗疗效反应,结果稳定可靠且经外部验证,有临床运用前景。