临床放射学杂志

作者：李聚贤, 赵凯, 乔雪, 孙中琪, 姜慧杰

单位：150086 哈尔滨医科大学附属第二医院影像科李聚贤、赵 凯、乔 雪、孙中琪、姜慧杰

关键词：肾透明细胞癌,计算机断层摄影,影像组学,Shapley算法,WHO/ISUP分级

<b>目的</b> 观察基于瘤内和瘤周CT图像构建的影像组学模型预测肾透明细胞癌(ccRCC) WHO/ISUP分级的价值,并通过Shapley(Shapley Additive exPlanations)算法对模型进行可视化分析。<b>方法</b> 回顾性纳入218例经病理证实的WHO/ISUP分级ccRCC患者,分为低等级组(n=155)和高等级组(n=63)。所有患者术前均接受增强CT扫描,按7∶3的比例随机划分为训练集(n=152)与测试集(n=66),采用3D Slicer软件手动勾画肿瘤感兴趣区(ROI-intra),并环形扩张2 mm、5 mm,获得瘤周感兴趣区(Peri-2 mm、Peri-5 mm),手动调整瘤周勾画区域并整合为瘤内和瘤周的感兴趣体积,提取并筛选影像组学特征后,分别建立瘤内、瘤周及瘤内+瘤周的随机森林模型。评估各个模型的曲线下面积(AUC),以挑选出测试集效能最佳的模型,并观察最佳模型的校准度和净收益,最后,采用Shapley算法对特征进行重要性排序和可视化。<b>结果</b> 相比于瘤内单一影像组学模型(训练集AUC= 0.821;测试集AUC=0.794),瘤内及瘤周影像组学模型在训练集和测试集中均展现出更高的预测性能,其中瘤内及瘤周2 mm的联合模型预测效能最佳,训练集和测试集中AUC分别为0.906和0.868,决策曲线显示联合模型获得较高的临床净获益。在模型的可解释性分析上,灰度共生矩阵和一阶统计量是WHO/ISUP分级预测模型中贡献度最高的两个特征。<b>结论</b> 基于瘤内和瘤周的CT影像组学联合模型在术前可无创预测ccRCC的WHO/ISUP分级。Shapley算法可以为模型提供可解释性,保障了模型的实用性。

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