论文部分内容阅读
CT检查广泛用于胃癌术前诊断、分期、预测预后及疗效评价等,但多限于常规形态学分析。近年来,影像组学(Radiomics)的研究逐步成为热点。研究表明,影像组学在肿瘤良恶性鉴别、术前分级、评估治疗反应及预后等方面与传统临床因素相比有明显优势。目前,对预测胃癌术后复发/转移及无疾病生存期(Diseasefree survival,DFS)的研究较少。本研究旨在探讨CT影像组学方法预测胃癌术后复发/转移及无疾病生存期的临床价值。第一部分 影像组学在预测胃癌术后早期复发/转移的价值目的:探讨基于CT增强图像的影像组学模型在预测胃癌术后早期复发/转移(≤1年)中的价值。方法:回顾性纳入153例行胃癌切除术并经病理确认为胃腺癌的患者(男性113例,女性40例),并在术后至少规律随访1年,将其随机分为训练组(n=106)和验证组(n=47)。分析与胃癌早期复发/转移相关的临床危险因素(年龄、性别等)、基本影像特征(肿瘤最大径、术前T分期、N分期等)、肿瘤指标(CEA、CA-199,等)及术后病理危险因素(VEGF、EGFR等),建立预测早期复发/转移的临床模型。利用3D-slicer软件在静脉期1.25mm层厚图像中对胃癌病灶全层面勾画感兴趣区(ROI)提取影像组学特征,并利用LASSO分析选择有效的纹理特征建立影像组学标签(Radiomics signature),与临床预测模型结合建立综合预测模型,计算临床预测模型、影像组学标签及综合预测模型在预测胃癌术后早期复发/转移(≤1年)的受试者工作特征曲线(ROC)及曲线下面积(AUC);运用Delong检验对胃癌术后临床预测模型、影像组学标签与综合预测模型的AUC值做对比,并利用影像组学标签及其他独立预测因子建立预测早期复发/转移风险的列线图(Nomogram)模型,计算决策曲线分析图(DCA)并比较其与临床模型和影像组学标签的获益。结果:从CT静脉期1.25mm层厚图像中共计提取出共1409个纹理特征,最终选出25个有效的纹理特征值建立影像组学标签。总体数据多因素分析示影像组学标签在术前及术后均是预测胃癌早期复发/转移的独立危险因素(P<0.001);临床因素中,年龄(P=0.046)、VEGF(P=0.032)及EGFR(P=0.019)是术后预测早期复发/转移的独立危险因素。影像组学标签、临床预测模型及综合预测模型ROC曲线下的AUC值分别为0.732、0.648及0.774。综合预测模型与临床预测模型预测胃癌早期复发/转移的能力有明显差异(P=0.003)。Nomogram预测模型与影像组学标签的AUC分别为0.802及0.809,较其他指标有明显差异(P值均<0.001),决策曲线分析(Decision curve analysis,DCA)显示Nomogram预测模型的预测概率约为10%和85%;影像组学标签的阈值概率约为15%和75%。结论:影像组学标签是预测胃癌术后早期复发/转移的独立预测因素,能明显提高临床模型预测胃癌术后早期复发/转移的能力,Nomogram及影像组学标签可较好的预测胃癌早期复发/转移的风险。第二部分 影像组学在胃癌术后早期复发/转移者与晚期复发/转移者中的比较目的:探讨影像组学标签在胃癌术后早期复发/转移(≤1年)与晚期复发/转移者(>1年)之间的相关性。方法:回顾性纳入84例胃癌术后复发/转移病例,将其随机分为训练组(n=58)和验证组(n=26)。分析与复发/转移相关的临床危险因素(年龄、性别等)、基本影像特征(肿瘤最大径、术前T分期、N分期等)、肿瘤指标(CEA、CA199等)及术后病理危险因素(VEGF、EGFR等),建立预测早期复发/转移与晚期复发/转移的临床模型。利用3D-slicer软件在胃癌病灶全层面手动勾画感兴趣区(ROI)提取影像组学特征,并利用LASSO分析选择有效的纹理特征建立影像组学标签(Radiomics signature),分析训练组与验证组中早期复发/转移与晚期复发/转移的Rad-score(RS)值差异,分析训练组与验证组预测早期复发/转移的AUC、最佳截断值、敏感性与特异性。对训练组各危险因素做单因素及多因素分析,选择能够区分胃癌术后早期复发/转移与晚期复发/转移的独立预测因子。结果:从CT静脉期1.25mm图像中提取出共1409个纹理特征,最终选出9个有效的纹理特征值建立影像组学标签。训练组中影像组学标签在早期复发/转移与晚期复发/转移间有明显统计学意义(P<0.001),验证组中影像组学标签在早期复发/转移与晚期复发/转移间有明显差异(P=0.009)。训练组中影像组学标签区分早期复发/转移与晚期复发/转移的最佳截断值为0.724,AUC值为0.907(95%CI:0.833-0.982),特异性为0.905,敏感性为0.784;验证组中影像组学标签区分早期与晚期复发/转移的最佳截断值为-1.437,特异性为0.500,敏感性为0.812,AUC值为0.619(95%CI:0.388-0.850)。单因素分析显示 Rad-score(P<0.001)、CA-199(P=0.038)、术前 T分期(P=0.021)及EGFR(P=0.038)对区分训练组早期复发/转移与晚期复发/转移有统计学意义,多因素分析显示影像组学标签区分胃癌早期复发/转移与晚期复发/转移有统计学意义(P<0.001)。结论:影像组学标签是区分胃癌早期复发/转移与晚期复发/转移的独立危险因素。早期复发/转移与晚期复发/转移的RS值存在明显差异。训练组区分早期复发/转移与晚期复发/转移的效能良好,验证组区分早期复发/转移与晚期复发/转移的效能欠佳。第三部分探讨影像组学标签在预测胃癌术后无疾病生存期的价值目的:探讨影像组学方法在预测胃癌术后无疾病生存期(DFS)中的价值。方法:回顾性纳入179例(男性129例,女性50例)经病理确诊为胃腺癌的患者(规律随访>6个月),随机将其分为训练组(n=124)和验证组(n=55)。研究与DFS相关的临床(年龄、性别等)、影像(肿瘤最大径、术前T分期、N分期等)及术后病理危险因素(VEGF、EGFR等)。通过LASSO回归筛选有效的纹理特征并组建影像组学标签,利用X-tile软件对影像组学标签值(Rad-score)进行处理,并将病人按照不同的复发/转移风险分组。以发生复发/转移为随访截止时间。分析影响DFS的危险因素,并对其进行亚组分析。通过Cox回归建立预测胃癌DFS的临床模型与加入影像组学标签的综合模型,运用Delong检验比较临床模型与综合模型的AUC值。绘制Nomogram图,计算预测胃癌复发/转移的风险,采用一致性指数(C-index)评价模型的预测能力,并做DCA图比较其与临床模型及影像组学标签的获益。结果:随访至终点时,共有84例出现复发/转移,删失数据95例。从1.25mm静脉期图像中获取1409个纹理特征,并利用LASSO回归选出7个有效特征组成影像组学标签。Rad-score值在不同预后的患者术前有统计学意义(P<0.001)。X-tile将入组病例分为高、中、低风险组,高风险组中复发/转移比例(78.38%)明显高于中度风险组及低度风险组。单因素及多因素分析显示影像组学标签(HR=0.770;95%CI:0.635-0.934;P=0.008)、CA-199(HR=0.523;95%CI:0.293-0.934;P=0.029)、淋巴结转移(HR=2.026;95%CI:1.028-3.992;P=0.041)、CD34(HR=2.065;95%CI:1.070-3.985;P=0.031)预测DFS有统计学意义,影像组学标签、临床预测模型及综合预测模型的AUC值分别为0.770、0.738及0.837,综合模型与临床模型预测DFS的能力对比有统计学意义(P=0.002)。Nomogram模型显示术后1年、2年及3年DFS的概率分别为0.5-0.85、0.2-0.75及0.1-0.6,校正曲线显示训练组及验证组2年DFS的预测范围较1年及3年DFS增大。训练组和验证组的C-index分别为0.824和0.705。决策曲线(DCA)显示Nomogram模型的阈值概率约为15%-90%,影像组学标签的阈值概率约为20%-75%,传统临床模型的阈值概率约为30%-85%。结论:(1)影像组学标签是预测DFS的独立危险因素,并可提高传统临床模型预测胃癌切除术后无疾病生存时间(DFS)的能力。(2)基于影像组学标签及临床危险因素的综合模型预测DFS的效能显著高于临床模型。(3)Nomogram图可直观显示各危险因素的评分,校正曲线显示2年DFS的预测效能更佳,DCA显示Nomogram可在更大范围预测胃癌患者DFS。