临床放射学杂志

作者：赵凯, 孙中琪, 李聚贤, 姜慧杰

单位：150086 哈尔滨医科大学附属第二医院放射科

关键词：肾上腺肿瘤,影像组学,机器学习,体层摄影术,X线计算机

<b>目的</b> 基于CT影像组学联合临床参数鉴别小直径肾上腺肿瘤的良恶性。<b>方法</b> 回顾性分析2018年1月至2024年1月经手术病理确诊或随诊证实的240例直径&#x02264;4 cm肾上腺肿瘤患者的病例资料,其中乏脂性肾上腺腺瘤（LPA）140例,肾上腺恶性肿瘤100例。在不同时相增强CT（CECT）图像上逐层勾画以获得三维感兴趣区（ROI）,使用Pyradiomics软件提取影像组学特征,通过组内相关系数（ICC）确保特征的可重复性。将数据集经随机分层抽样法按照8&#x02236;2的比例分为训练集（<em>n</em>=192）和测试集（<em>n</em>=48）,分别应用6种机器学习算法构建各个时相的诊断模型,采用受试者工作特征曲线（ROC）曲线下面积（AUC）评价模型性能。通过单因素和多因素逻辑回归筛选临床特征并建立临床模型。联合最优影像组学分数和临床独立预测因素构建联合模型,并绘制列线图。采用雷达图多边形围成的面积评估各模型的预测效能,采用校准曲线和决策曲线评价模型的校准度和临床净收益。<b>结果</b> 基于CECT图像共提取1834个影像组学特征,经筛选后动脉期得到15个影像组学特征,逻辑回归（LR）模型性能最佳,测试集中AUC值为0.909（95%CI：0.827~0.992）;静脉期得到21个影像组学特征,LR模型效能最高,测试集中AUC值为0.892（95%CI：0.798~0.986）;延迟期得到19个影像组学特征,支持向量机（SVM）模型性能最优,测试集中AUC值为0.901（95%CI：0.806~0.997）。临床参数中高血压、静脉期CT值、延迟期CT值、肿瘤边界是否清晰是鉴别诊断的独立危险因素,临床模型的测试集AUC值为0.863（95%CI：0.733~0.993）。基于最优影像组学分数和临床参数构建列线图的测试集AUC值为0.915（95%CI：0.835~0.995）。雷达图显示联合模型所构成的多边形面积最大,校准曲线显示联合模型拟合最佳,决策曲线的临床净获益率高于其他模型。<b>结论</b> CT影像组学特征能较好地鉴别直径&#x02264;4 cm肾上腺肿瘤良恶性,联合临床特征能进一步提高诊断价值。

来源：2025年第7期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第7期