临床放射学杂志

作者：曹志超, 贺克武, 王亚奇, 陈焕玉, 杨倩倩, 张宏

单位：230061 合肥,安徽医科大学第三附属医院

关键词：肝细胞癌,影像组学,45 keV单能量能谱CT,机器学习

基金：本研究系安徽省重点研究与开发项目(编号:2023s07020023);安徽医科大学基础与临床合作研究资助项目(编号:2022sfy002)

<b>目的</b> 探讨术前45 keV单能量能谱CT影像组学结合机器学习预测肝癌经导管肝动脉化疗栓塞术(TACE)后短期疗效的应用价值。<b>方法</b> 回顾性分析 104 例经病理证实的肝细胞癌(HCC)患者,随机划分为训练集(71例) 和验证集(33例)。搜集患者治疗前能谱CT单能量及常规增强CT(CECT)图像,提取病灶影像组学特征。使用LASSO算法结合十折交叉验证筛选能谱组学特征,用逻辑回归(LR)、随机森林(RF)、支持向量机(SVM)、极限梯度提升(XGBoost)、K最近邻(KNN)等5种机器学习方法构建能谱影像组学模型,基于最佳能谱组学模型的机器学习方法与相应特征构建CECT模型,利用多因素LR分析筛选临床资料变量构建临床模型。受试者工作特征(ROC)曲线用于评价模型效能。决策曲线分析(DCA)评价最佳影像组学模型、CECT模型及临床模型的临床决策能力。<b>结果</b> 通过筛选共纳入19种特征构建模型,5种能谱影像组学模型的曲线下面积(AUC)分别为训练集0.72,0.68,0.77,0.70,0.71,验证集0.55,0.58,0.74,0.74,0.65。基于多因素LR筛选出两项临床变量分别为甲胎蛋白(AFP)＞400 μg/L和Child分级,临床模型训练集和验证集的AUC分别为0.63和0.67,CECT SVM模型AUC为训练集0.69、验证集0.61。校准曲线提示能谱及常规SVM模型和临床模型拟合优度良好。DCA曲线显示能谱SVM模型具有更高的临床应用价值。<b>结论</b> 术前45 keV单能量能谱CT影像组学结合机器学习能有效预测肝癌TACE后的短期疗效,其中能谱SVM模型预测性能最佳,较其他模型更具决策作用。

来源：2024年第12期

《临床放射学》期刊编辑部

查看临床放射学杂志2024年第12期