基于影像组学建立多分类联合模型预测肺GGN病理分型

作     者：姬凯 岳军艳 刘海鹏 孙梦洲 梁晓云 张敬 Kai Ji;Junyan Yue;Haipeng Liu;Mengzhou Sun;Xiaoyun Liang;Jing Zhang

作者机构：新乡医学院第一附属医院放射科新乡市肺结节精准诊疗重点实验室河南省新乡市453100 东软医疗创新研究院(北京) 东软医疗创新研究院(上海) 

出 版 物：《中国肿瘤临床》 (Chinese Journal of Clinical Oncology)

年 卷 期：2024年第51卷第19期

页      面：1016-1022页

核心收录：

学科分类：1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 100214[医学-肿瘤学] 100106[医学-放射医学] 10[医学] 

基　　金：河南省医学科技攻关计划项目(编号:LHGJ20200487) 新乡市肺结节精准诊疗重点实验室 新乡医学院第一附属博士科研项目启动基金(编号:11393)资助 

主　　题：肺结节 磨玻璃结节 影像组学 病理类型 多分类 

摘      要：目的:探究计算机断层扫描(computed tomography,CT)影像组学多分类联合模型在磨玻璃结节病理分析的预测价值。方法:回顾性收集2019年2月至2023年3月新乡医学院第一附属医院收治的影像表现为磨玻璃结节并经病理证实的早期肺腺癌患者资料,共285例患者的324个结节按照浸润性腺癌(invasive adenocarcinoma,IAC)、微浸润性腺癌(minimally invasive adenocarcinoma,MIA)及侵袭前病变(preinvasive lesions,PILs)分为三组,行递归消除及单变量逻辑回归对组学及临床-影像特征选择后,使用逻辑回归(Logistic regression,LR)、支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和集成学习(stacking)构建七个模型,评估模型预测效能。结果:基于结合临床-影像-组学特征和集成机器学习策略的混合联合模型相比其他六个模型具有更准确的预测性能,准确度、精确度、特异性、召回率、F1评分分别为0.791、0.788、0.857、0.790、0.789。结论:基于CT影像组学建立的多分类联合模型能够较好地预测肺磨玻璃结节病理分型,有利于影像准确诊断及为临床制定治疗方案提供依据。