论文部分内容阅读
[目的]探讨基于头颈部鳞癌(Head and neck squamous cell carcinoma,HNSCC)原发灶的双能CT碘图影像组学模型预测颈部淋巴结转移风险的可行性。[方法]收集我院2012年6月~2021年6月疑似头颈部肿瘤并行DECT检查患者1832例,其中共219例患者同时满足以下条件而最终纳入本研究:①经手术病理证实为HNSCC者,②具有明确淋巴结状态的病理检查报告者,③术前DECT双期图像且均可以进行碘图重建。通过DECT后处理技术分别获得每一例患者的动脉期碘图和静脉期碘图,随后逐层勾画VOI(Volume of interest)并进行影像组学特征提取。动、静脉期碘图的影像组学特征行一致性检验后,依次经过标准化处理、Spearman 相关性检验、LASSO(the Least Absolute Shrinkage and Selection Operator)回归筛选出与淋巴结转移相关的特征。随后将这些特征纳入包括logistic 回归(Logistic regression,LR)、随机森林(Random forest,RF)、多层感知器(Multilayer perceptron,MLP)、支持向量机(Support vector machine,SVM)、极端梯度提升(extreme gradient boosting,XGBoost)、轻量梯度提升(LightGBM)模型等6种算法,从而选出最优算法模型。为检验最优算法模型的临床预测效能,再将219例患者按照7:3随机分为训练集和验证集,对训练集的原发灶动、静脉碘图影像组学特征再次经过标准化和特征筛选流程后,将剩余的动脉期、静脉期碘图特征纳入最优的机器学习方法从而建立动脉期碘图影像组学模型(Radscore A)、静脉期碘图影像组学模型(Radscore V)、融合动、静脉期碘图特征的影像组学模型(Radscore AV)、联合独立的动脉期碘图影像组学模型与静脉期碘图影像组学结合模型(Radscore A+V),以评价其对HNSCC颈部淋巴结转移的效能。[结果]在219例患者中发生淋巴结转移者90例(41.09%),未发生淋巴结转移者129例(58.91%)。从每例HNSCC患者的动、静脉期碘图中各提取到影像组学特征1409个,其中约20.94%的动脉期碘图特征和13.13%的静脉期碘图特征通过一致性检验(相关性系数>0.75)。经筛选后最终有4个动脉期碘图影像组学特征和7个静脉期碘图影像组学特征分别纳入六个机器学习模型。经过对比,logistic回归模型无论在动脉期碘图还是静脉期碘图上都具有较好的性能,其动脉期碘图与静脉期碘图的模型对预测颈部淋巴结转移的AUC分别为0.749、0.750,准确率分别达68.2%、66.4%。进一步研究中,训练集和验证集患者无论是淋巴结转移的发生率、男女比例、年龄等方面均无明显差异(P>0.05)。通过一致性检验的影像组学特征经过筛选,最终4个动脉期特征纳入动脉期碘图影像组学模型,8个静脉期特征纳入静脉期碘图影像组学模型,5个动脉期特征和6个静脉期特征纳入融合动、静脉期碘图影像组学模型。最终,融合动、静脉期碘图的影像组学模型在验证集中AUC值和准确度分别为0.862和81.5%,明显优于单纯动脉期碘图影像组学模型(P<0.05)。校准曲线表明融合动、静脉期碘图的影像组学模型的拟合度良好,临床决策曲线表明该融合模型具有更好的临床应用价值。[结论]无论是头颈鳞癌原发灶的动脉期碘图还是静脉期碘图,基于logistic回归的影像组学模型对预测其颈部淋巴结转移都有较好的表现。融合动、静脉期碘图影像组学特征的模型较单一的动脉期碘图或者静脉期碘图模型有更好的预测效能。