论文部分内容阅读
目的:胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)是一种死亡率非常高的癌症,预后也较差。肿瘤的病理分级及淋巴结分期是影响PDAC的预后的最重要的两个因素,但是只能在术后获得。本研究收集多中心增强CT图像及病例资料,来探索基于增强CT的影像组学标签能否在术前对PDAC病理分级进行鉴别,及基于CT的影像组学标签能否在术前预测淋巴结转移。材料和方法:本研究共收集401名患者纳入PDAC病理分级预测研究中,包括301名本院患者,其中训练组151名患者,测试组150名患者,及另外两个医疗中心共100名患者作为外部验证组。淋巴结转移分期研究中共纳入435名本院患者,其中训练组217名,验证组218名。对所有病例进行临床资料及增强CT图像采集,并应用IBEX软件对术前胰腺实质期CT增强图像进行分割及特征提取,共提取1452个特征。基于PYTHON,应用支持向量机(Support Vector Machine,SVM)模型进行特征选择,套索算法(Least absolute shrinkage and selection operator,LASSO)建立预测模型,分别构建PDAC病理分级影像组学标签及淋巴结转移分期影像组学标签,并计算每位患者影像组学标签得分(Radiomics signature score,Radscore)。将训练组数据建立的预测模型直接应用于测试组及外部验证组数据中,检测模型的准确度。测量最大淋巴结短径,依据Youden指数选择最佳阈值,预测淋巴结是否转移。应用多因素逻辑回归构建淋巴结转移的联合预测因子。应用受试者工作曲线(Receiver operating characteristic,ROC)曲线下面积(Area under curve,AUC)评估病理分级模型及淋巴结转移模型预测准确度,依据Youden指数选择最佳阈值,获得对应的敏感性、特异性、阳性预测值、阴性预测值及准确度,评估影像组学标签的预测能力。结果:(1)PDAC病理分级预测模型共提取80个特征,建立影像组学标签,用来鉴别低级别及高级别PDAC。在低级别组及高级别组PDAC之间Radscore具有显著统计学差异(p<0.05)。在训练组及测试组中,其ROC曲线下面积分别为0.961及0.910,最佳阈值为0.426。在外部验证组中,模型ROC曲线下面积AUC为0.770。(2)PDAC淋巴结转移预测模型共提取出65个特征,建立影像组学标签,用来鉴别PDAC是否存在淋巴结转移。在无淋巴结转移组及淋巴结转移组之间,Radscore及最大淋巴结短径均具有显著统计学差异。在训练组及验证组中,Radscore的ROC曲线下面积AUC分别为0.916及0.827。最大淋巴结短径预测淋巴结是否转移,其ROC曲线下面积AUC分别为0.677及0.616。联合影像组学标签及最大淋巴结短径预测模型,其ROC曲线下面积AUC分别为0.921及0.846。结论:(1)基于术前增强CT的影像组学标签可以用来鉴别低级别及高级别PDAC,可能成为一种无创预测PDAC病理分级的新方法。(2)基于术前增强CT的影像组学标签可以用来预测PDAC是否存在淋巴结转移。(3)基于术前增强CT的影像组学标签预测PDAC是否存在淋巴结转移的准确度较CT最大淋巴结短径预测准确度高。(4)联合影像组学标签及最大淋巴结短径可以在术前更加准确预测淋巴结是否转移。