临床放射学杂志

作者：于昕冉, 冯兵

单位：067000 河北,承德医学院附属医院重症医学科

关键词：膀胱癌,影像组学,机器学习,复发

<b>目的</b> 探讨基于CT图像构建的影像组学模型在预测非肌层浸润性膀胱癌(NMIBC)术后复发中的价值。<b>方法</b> 搜集2014年1月至2017年12月在本中心接受经尿道膀胱肿瘤电切术(TURBT)的311例NMIBC患者的一般资料,按照7∶3的比例随机分配至训练集(218例)与验证集(93例)。应用Pyradiomics包提取术前CT图像的影像组学特征,采用最小绝对收缩和选择算法(LASSO)筛选特征并建立Rad评分。通过Cox比例风险模型确定独立预后因素并构建列线图预测模型。在训练集和验证集中评估并验证该模型的预测效能、一致性与临床实用性,并和EORTC复发评分进行比较。<b>结果</b> 基于LASSO回归模型,研究共筛选出5个影像组学特征,并建立Rad评分。多因素分析结果显示,pT分期、组织学分级与Rad评分是术后复发的独立预测因素(P&lt;0.05)。根据以上因素建立Rad列线图预测模型,该模型的预测一致性良好,并且其AUC值(训练集0.762、验证集0.828)和临床实用性均高于EORTC复发评分(训练集0.702、验证集0.763)。根据该模型可将全组患者分为3个复发风险组,5年复发率分别为15.6%、45.2%和89.6%(P&lt;0.001)。Rad复发分级可以在EORTC低、中、高危组中区分具有不同复发风险的人群(P 均&lt;0.05)。<b>结论</b> 基于CT图像构建的影像组学模型能够准确预测NMIBC患者的TURBT术后复发风险,有利于指导临床治疗决策的制定。

来源：2024年第5期

《临床放射学》期刊编辑部

查看临床放射学杂志2024年第5期