论文部分内容阅读
目的:探讨结合CT（computed tomography）影像组学、放射科医师主观诊断及临床风险因素在预测甲状腺乳头状癌（Papillary thyroid carcinoma,PTC）颈淋巴结转移中的增量价值;本研究旨在建立一个术前预测甲状腺乳头状癌淋巴结转移的预测模型。方法:1.回顾性收集2017年11月-2021年4月山西医科大学第一医院可疑PTC的患者319例,经严格筛选入组178例纳入本研究。按7:3比例随机分为训练组（n=125）和测试组（n=53）。收集患者的年龄、性别、身体质量指数（BMI）、甲状腺激素、位置、前后径、左右径、纵横比、钙化、包膜、是否并发桥本氏甲状腺炎（Hashimoto’s thyroiditis,HT）、是否并发结节性甲状腺肿（Nodular goiter,NG）和放射科医师报道淋巴结转移状态,并根据手术病理结果将患者分为淋巴结转移组和未转移组。2.由三名临床经验为5年、10年、13年的放射科医师独立评估PTC颈部淋巴结转移状态（包括淋巴结转移组、淋巴结未转移组和可疑淋巴结转移组）。卡方检验比较淋巴结转移组和淋巴结未转移组间临床参数,将有统计学差异的临床风险因素纳入多元逻辑回归分析（multinomial logistics regression）和支持向量机（Support Vector Machine,SVM）分析,选取最佳建模方法,构建临床医师主观诊断模型。3.由一位放射科医师使用ITK-SNAP软件手动逐层勾画常规CT图像、CT动脉期、静脉期的肿瘤癌灶感兴趣区（ROI）,提取深层次的影像组学特征,其中包括一阶特征、形状特征、小波特征和纹理特征,每位患者共2553个影像组学特征。通过零-均值（Z-score）标准化和均数标准化对特征数据进行归一化处理;采用主成分分析（PCA）和皮尔逊相关系数法（PCC）降维方法处理特征数据;方差分析和克鲁斯卡尔·沃利斯（Kruskal-Wallis）检验来选择显著特征。最后采用多元逻辑回归分析分别建立平扫模型、动脉对比模型、静脉对比模型和三期影像组学模型。4.将临床医师主观诊断模型和三期影像组学模型中的特征结合起来,纳入多元逻辑回归分析,构建集成临床风险因素、放射科医师诊断和影像组学特征的联合模型。5.绘制临床医师主观诊断模型、三期影像组学模型和联合模型的受试者工作特征曲线（receiver operating characteristic curve,ROC）,比较三种模型的诊断性能。6.二元逻辑回归分析筛选临床风险因素。结合临床风险因素、影像医师诊断和影像组学特征构建联合模型列线图,绘制校正曲线评估联合模型预测PTC患者淋巴结转移状态的误差大小。采用决策曲线分析比较临床医师主观诊断模型、三期影像组学模型和联合模型在诊断中的预期临床受益,并采用Delong检验比较临床医师主观诊断模型和联合模型的曲线下面积（Area Under Curve,AUC）。结果:1.年龄、位置、前后径、左右径、包膜、纵横比、CT报道淋巴结转移状态1和CT报道淋巴结转移状态3在PTC患者颈部淋巴结转移组与颈部淋巴结未转移组之间的统计学差异有意义（P＜0.05）,其余因素之间的比较差异无统计学意义（P＞0.05）。2.无论在训练组还是测试组中,平扫模型,动脉对比模型、静脉对比模型和三期影像组学模型预测颈部淋巴结转移的AUC值与临床医师主观诊断模型相差无几（训练组AUC:0.786,0.808,0.827,0.790 vs.0.781,0.796,0.800;测试组AUC:0.781,0.791,0.790,0.813 vs.0.758,0.729,0.743）。3.二元逻辑回归分析筛选出年龄、前后径、纵横比、CT报道淋巴结转移状态1是PTC淋巴结转移的独立预测指标,可纳入联合模型列线图。4.在临床医师预测模型中加入影像组学特征构建联合模型列线图。在训练组中,AUC值由0.781提高到0.868;在测试组中,AUC值也有显著提升,由0.758提升到0.878。决策曲线分析显示,联合模型与其他两种模型相比,在预测PTC患者颈部淋巴结转移方面表现出较高的临床获益。临床医师主观诊断模型和联合模型两两比较诊断性能有统计学差异（训练组P=0.003;测试组P=0.017）,且联合模型的AUC值高于临床医师主观诊断模型。结论:CT影像组学可以术前预测PTC患者的颈部淋巴结转移,将CT影像组学纳入临床诊断过程与临床风险因素和影像医师诊断相结合可显著提高预测准确性。构建的列线图为PTC患者提供潜在的非侵入性工具来评估淋巴结转移状态。