《临床放射学杂志》发表论文赏析
作者:于昕冉, 冯兵
单位:067000 河北,承德医学院附属医院重症医学科
摘要:目的 探讨基于CT图像构建的影像组学模型在预测非肌层浸润性膀胱癌(NMIBC)术后复发中的价值。方法 搜集2014年1月至2017年12月在本中心接受经尿道膀胱肿瘤电切术(TURBT)的311例NMIBC患者的一般资料,按照7∶3的比例随机分配至训练集(218例)与验证集(93例)。应用Pyradiomics包提取术前CT图像的影像组学特征,采用最小绝对收缩和选择算法(LASSO)筛选特征并建立Rad评分。通过Cox比例风险模型确定独立预后因素并构建列线图预测模型。在训练集和验证集中评估并验证该模型的预测效能、一致性与临床实用性,并和EORTC复发评分进行比较。结果 基于LASSO回归模型,研究共筛选出5个影像组学特征,并建立Rad评分。多因素分析结果显示,pT分期、组织学分级与Rad评分是术后复发的独立预测因素(P<0.05)。根据以上因素建立Rad列线图预测模型,该模型的预测一致性良好,并且其AUC值(训练集0.762、验证集0.828)和临床实用性均高于EORTC复发评分(训练集0.702、验证集0.763)。根据该模型可将全组患者分为3个复发风险组,5年复发率分别为15.6%、45.2%和89.6%(P<0.001)。Rad复发分级可以在EORTC低、中、高危组中区分具有不同复发风险的人群(P 均<0.05)。结论 基于CT图像构建的影像组学模型能够准确预测NMIBC患者的TURBT术后复发风险,有利于指导临床治疗决策的制定。
关键词:膀胱癌,影像组学,机器学习,复发
2024年5期其他文献查阅:
基于DCE定量和半定量参数分析胶质母细胞瘤环壁强化类型与炎症的相关性研究
Pipeline Flex治疗颈内动脉颅内段中小型动脉瘤的疗效及安全性分析
脑梗死后交叉性小脑神经机能联系不能与运动损伤的全脑CTP研究
不同管腔上皮类型乳腺癌的X线和MRI特征及其对乳腺癌前哨淋巴结转移的预测
基于CT、MRI增强门静脉期的影像组学和临床指标预测模型预测单发肝细胞癌切除术后早期复发的价值
深度学习图像重组算法对提高薄层增强CT胰腺癌图像质量及肿瘤显著性的价值
细胞外体积分数联合临床指标构建的列线图预测结直肠癌p53表达
光谱CT细胞外体积分数术前诊断结直肠癌病理T分期及组织学分级的价值
PD-1抗体联合安罗替尼及125I粒子链置入治疗肝门部胆管癌的疗效初探(附3例分析)
CT定量特征在鉴别长径<3 cm的胃间质瘤与异位胰腺中的价值