基于CT征象和影像组学特征构建T1期肾透明细胞癌核分级预测模型

作     者：赵才勇 陈超 李伟伟 王洁 郑茹梦 崔凤 Zhao Caiyong;Chen Chao;Li Weiwei;Wang Jie;Zheng Rumeng;Cui Feng

作者机构：杭州市中医院影像科杭州310007 浙江大学医学院附属邵逸夫医院影像科杭州310016 杭州市中医院病理科杭州310007 

出 版 物：《中华肿瘤杂志》 (Chinese Journal of Oncology)

年 卷 期：2025年第47卷第2期

页      面：168-174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：杭州市生物医药和健康产业发展扶持科技项目(2021WJCY355) 杭州市医药卫生科技计划项目(A20220617) 

主　　题：肾透明细胞癌 病理分级 计算机断层扫描 影像组学 列线图 

摘      要：目的探讨基于CT征象和影像组学特征构建模型术前预测T1期肾透明细胞癌(ccRCC)WHO/国际泌尿病理学会(ISUP)分级的方法并评价其临床价值。方法回顾性收集2016年1月至2023年12月杭州市中医院收治的90例ccRCC患者为训练集,收集2017年1月至2018年12月浙江大学医学院附属邵逸夫医院收治的43例ccRCC患者为外部验证集。根据WHO/ISUP分级标准,Ⅰ、Ⅱ级为低级别组,Ⅲ、Ⅳ级为高级别组。训练集中低级别组64例,高级别组26例。外部验证集中低级别组33例,高级别组10例。在训练集中,基于ccRCC的CT图像特征,通过多因素logistic回归分析建立常规影像模型。对横轴位CT皮质期图像手动逐层勾画肿瘤立体感兴趣区后提取影像组学特征,通过特征线性相关检查和L1正则化进行特征筛选,采用线性支持向量机分类器构建影像组学模型。基于常规影像模型和影像组学评分,通过多因素logistic回归分析确定T1期ccRCC WHO/ISUP分级的独立影响因素,建立列线图联合诊断模型。采用受试者工作特征曲线分析评估各模型的预测效能,模型间的曲线下面积(AUC)比较采用DeLong检验。结果成功构建预测T1期ccRCC WHO/ISUP分级的常规影像模型、影像组学模型和列线图联合诊断模型。在训练集和外部验证集中,常规影像模型预测T1期ccRCC WHO/ISUP分级的AUC分别为0.742(95%CI:0.623~0.860)和0.664(95%CI:0.448~0.879),影像组学模型的AUC分别为0.914(95%CI:0.844~0.983)和0.879(95%CI:0.718~1.000),列线图联合诊断模型的AUC分别为0.929(95%CI:0.858~0.999)和0.882(95%CI:0.710~1.000),影像组学模型和列线图联合诊断模型的AUC均高于常规影像模型(均P0.05)。结论基于CT皮质期的影像组学模型,以及在此基础上综合常规影像征象的列线图联合诊断模型,术前预测T1期ccRCC WHO/ISUP分级具有良好的效能。