临床放射学杂志

作者：梁丽, 张华

单位：030001 太原,山西医科大学医学科学院（梁 丽）;030001 太原,山西医科大学第一医院CT放射影像科（张 华）

关键词：深度学习,影像组学,胸腺上皮肿瘤,计算机断层扫描

基金：本研究系山西省基础研究计划项目（编号：20210302123253、20210302123256）; 山西省卫生健康委科研项目计划（编号：2024056）; 山西医科大学第一医院横向科研合作项目（编号：08983#）

<b>目的</b> 开发一种基于CT的影像组学列线图,实现对胸腺上皮肿瘤（TETs）的术前无创风险分层。<b>方法</b> 回顾性分析了来自3个中心的TETs患者。从CT静脉期图像中提取影像组学特征构建影像组学模型,其预测概率定义为影像组学标签（Rad-signature）。采用单因素和多因素<em>Logistic</em>回归分析对临床参数进行比较,随后构建基于重要的临床影像学特征和Rad-signature的联合预测模型,列线图来可视化分类评估结果。使用受试者工作特征曲线（ROC）曲线下面积（AUC）、校准曲线和决策曲线分析（DCA）评估模型对TETs风险分层的预测性能。<b>结果</b> 多因素<em>Logistic</em>回归分析显示,肿瘤的轮廓、强化程度及周围大血管的侵犯（<em>P</em>&#x0003C;0.05）是TETs的独立预测因素。联合模型在训练集和测试集中的AUC值分别为0.834和0.763,均高于影像组学模型和临床模型。DCA证实了其临床效益,校准曲线显示列线图的预测结果与实际结果具有较高的一致性。<b>结论</b> 本研究开发和验证了一种联合模型,用来准确评估TETs的术前风险分层,这可以为TETs的治疗计划和预后评估提供更加准确的信息。

来源：2026年第5期

《临床放射学》期刊编辑部

查看临床放射学杂志2026年第5期