影像组学对磨玻璃结节型肺腺癌病理亚型的预测效能

目的建立并验证影像组学鉴别表现为磨玻璃结节(GGN)的浸润性肺腺癌与"非"浸润性肺腺癌的能力, 并与形态学特征和定量影像进行对照。方法 2011年11月至2014年12月纳入160例病理证实的肺腺癌为原始训练数据集, 搜集2014年11月至2015年12月76例孤立GGN作为独立验证集。采用LASSO回归分析方法进行特征选择和影像组学标签建立。利用选择特征的线性融合计算每例患者的组学标签得分。多参数回归分析用于模型的建立。ROC曲线及曲线下面积(AUC)用于评价单个特征及模型的预测效能, 并使用Delong检验比较各模型之间效能是否具有显著差异。留一法交叉验证评估模型的泛化能力。校正曲线用于评价列线图的校正效果, 并使用Hosmer-Lemeshow检验分析风险率预测值和观测概率之间是否存在显著性差异。结果共提取了485个三维特征, 通过降维发现2个特征是最重要的鉴别诊断因子并建立了影像组学标签。个体化预测模型由年龄、影像组学标签、毛刺征和胸膜凹陷征组成, 与其他模型和平均CT值相比, 具有最佳的诊断效能(AUC=0.934), 高于临床模型(AUC=0.743, P<0.001)。基于影像组学的列线图在训练集和验证集中均具有较好的校正效能, 而且在验证集中的鉴别诊断效能更高(AUC=0.956)。结论由年龄、影像组学标签、毛刺征和胸膜凹陷征组成的个体化预测模型, 并通过列线图表示, 能有效鉴别浸润性腺癌和"非"浸润性腺癌, 与形态学模型和定量影像相比, 具有最好的预测效能。