临床放射学杂志

作者：雒瑾, 李娟, 陈健, 文波, 周鑫, 杨智睿, 毛录英, 卢芹, 李林

单位：610041 成都市第二人民医院雒 瑾、文 波、周 鑫、杨智睿、毛录英、卢 芹、李 林; 750004 银川,宁夏医科大学总医院李 娟、陈 健

关键词：肺腺癌,Ki-67抗原,18F-FDG PET/CT,影像组学,机器学习

<b>目的</b> 评估基于多中心¹⁸F-FDG PET/CT影像组学和临床联合特征的机器学习模型对非小细胞肺腺癌Ki-67表达水平的预测价值。<b>方法</b> 回顾性分析机构1经病理学确诊的259例肺腺癌病例,按8∶2的比例分为训练集(n=207)和测试集 (n=52),另选机构2的44例肺腺癌患者作为外部验证集。对临床病理资料进行单因素分析和多变量二元Logistic回归分析筛选出与Ki-67表达相关的独立影响因素并建立临床模型。利用PyRadiomics提取PET/CT影像组学特征,采用t检验及最小绝对收缩和选择算子(LASSO)算法筛选特征并计算影像组学评分(Radscore),建立影像组学模型。结合临床特征和Radscore,建立临床和影像联合模型。用随机森林算法预测肺腺癌Ki-67表达水平,比较不同模型的受试者工作特征(ROC)曲线的诊断效能,并使用临床决策曲线(DCA)来评估各模型的临床价值。<b>结果</b> 最大标准化摄取值(SUVmax)(P=0.046)、肿瘤最大径 (P=0.014)和CYFRA21-1 (P=0.031) 是Ki-67表达的独立影响因素。临床预测模型ROC曲线下面积(AUC)为0.64(0.62～0.65)高于影像组学模型的AUC 0.60(0.53～0.66);基于临床和影像组学联合模型在测试集的AUC为0.87(0.84～0.90),明显优于单纯的临床或影像组学模型;外部验证集采用临床影像联合模型,其AUC为0.85(0.82～0.88)。DCA曲线显示,联合模型在较大阈值范围内(0～0.87)可为患者带来更大的临床获益。<b>结论</b> 基于多中心临床和¹⁸F-FDG PET/CT影像组学特征的机器学习模型在预测肺腺癌Ki-67表达方面有较大的应用价值。

来源：2025年第3期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第3期