论文部分内容阅读
肾透明细胞癌（clear cell Renal Cell Carcinoma,ccRCC）是肾脏发病率最高的恶性肿瘤,约占肾细胞癌（Renal Cell Carcinoma,RCC）的70%～80%,其早期临床症状不典型,确诊时通常已进展到中晚期。ccRCC的主要治疗方法是根治性切除术,但术后约有三分之一病例会出现肿瘤复发或进展。研究表明,肿瘤坏死和分级、分期作为ccRCC重要的预后指标,可反映ccRCC潜在的侵袭性。影像组学是近年来大数据技术与医学影像辅助诊断有机融合的新兴技术,是从影像大数据中挖掘出可量化病变的海量影像特征,从而构建特征性影像标签,以期解析影像与肿瘤基因、病理及预后的潜在关联,借此全面反映肿瘤异质性。目前尚未发现CT（Computed Tomography）影像组学对ccRCC肿瘤坏死和分级、分期的术前预测研究。因此,本项目旨在探讨以多中心CT数据为基础,应用影像组学技术在预测ccRCC肿瘤坏死、分级和分期中的潜在价值,为临床医师术前决策提供佐证,辅助临床医师针对ccRCC患者制定个性化治疗方案。具体所用方法和得到结果包括以下两个部分:第一部分:总共有255例经病理证实的ccRCC病例纳入研究,其中一个独立中心132例ccRCC病例作为训练队列,另一个独立中心的123例ccRCC病例作为独立外部验证队列。首先从入组病例的增强CT图像肾皮质期和肾实质期中勾划病变感兴趣区（Region of Interest,ROI）,然后分别提取影像组学特征,通过一致性评价（Intraclass Correlation Coefficient,ICC）等分析处理和最小绝对收缩和选择算子（LASSO）回归算法完成降维处理获取到包括37个最佳影像特征的特征集,实现影像组学标签的开发并建立相应的Rad-score评分公式。本部分研究还根据放射学视觉经验,基于独立的图像特征构建了图像特征模型。随后对得到的影像组学标签模型和图像特征模型进行整合,构建出影像组学诺模图模型。最后,使用受试者工作特征曲线（Receiver Operating Characteristics,ROC）分析评估了上述模型的ccRCC肿瘤坏死预测性能,并使用校准曲线和决策曲线对各模型临床应用价值进行分析评估,其中影像组学标签模型与肿瘤大小和瘤内血管构建的图像特征模型在训练和验证队列的比较中具有更好的预测性能（p<0.05）,影像组学诺模图模型在训练队列（AUC:0.93,95%CI:0.87-0.96）和验证队列（AUC:0.87,95%CI:0.79-0.93）的评估中显示良好的区分度（p<0.05）。同时决策曲线分析证明,影像组学诺模图模型比其他模型具有更好的临床实用性。第二部分:本部分研究将来自三个独立中心的总共330例ccRCC病例分为独立的训练队列（132例）、外部验证队列1（123例）和外部验证队列2（75例）。首先研究从入组病例的增强CT图像肾实质期中勾划病变ROI,然后提取影像组学特征,通过ICC评价等分析处理,并利用LASSO回归算法对提取到的特征进行特征筛选,从而获取到与肿瘤分级、分期高相关的16个最佳影像特征纳入特征集,完成影像组学标签的开发得到Rad-score评分公式。根据美国梅奥临床中心（Mayo Clinic）以临床病理为基础的SSIGN评分标准模型为分组标准,设定Rad-score评分0-3分为低危风险组,评分大于或等于4分为中高危风险组,利用开发得到的Rad-score公式计算出各病例相应评分,实现影像组学标签模型用于预测ccRCC分级和分期,通过低危风险组和中高危风险组的划分标准最终完成ccRCC病例的分级和分期分组。本部分还基于放射学视觉经验特征评估同步开发了图像特征模型,并在上述研究的基础上构建了整合影像组学标签模型和图像特征模型的融合模型。最后研究对三种模型的区分度、校准和临床应用价值进行了对比和评估,并通过预测ccRCC分级和分期的低危风险组与中高危风险组展示模型的相关性能,其中训练队列的校准值（p<0.05）和预测结果为AUC=0.940,（95%CI:0.884–0.973）,外部验证队列1为（AUC:0.876,95%CI:0.805-0.929）和外部验证队列2为（AUC:0.928,95%CI:0.844-0.975）。在相关队列的区分度检验中,影像组学标签模型的结果明显优于通过肿瘤内血管构建的图像特征模型（p<0.05）,影像组学标签模型与集成了影像组学标签和肿瘤内血管的图像特征融合模型（p>0.05）在评估中表现出相似的性能,通过决策曲线分析测试了影像组学标签模型在两个独立外部验证队列中的泛化能力和临床实用性。研究得出ccRCC肿瘤坏死影像组学诺模图模型、分级和分期影像组学标签模型预测效能均显著高于传统图像特征模型,因而能够有效地对ccRCC进行肿瘤坏死、分级和分期的术前预测,从而提升ccRCC患者的术前决策质量,为临床医师精准制定个性化的治疗方案提供重要的循证依据。