CT影像组学鉴别良恶性孤立性肺结节的价值分析

作     者：王晓瑞 苏晓华 周全红 胡斌 齐旭红 温智勇 Wang Xiaorui;Su Xiaohua;Zhou Quanhong;Hu Bin;Qi Xuhong;Wen Zhiyong

作者机构：首都医科大学电力教学医院放射科北京100073 首都医科大学大兴教学医院放射科 

出 版 物：《北京医学》 (Beijing Medical Journal)

年 卷 期：2022年第44卷第9期

页      面：804-808页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 100106[医学-放射医学] 100602[医学-中西医结合临床] 10[医学] 

主　　题：孤立性肺结节 体层摄影 影像组学 

摘      要：目的探讨CT影像组学鉴别良恶性孤立性肺结节(solitary pulmonary nodule,SPN)的价值。方法回顾性分析2010年1月至2020年12月首都医科大学电力教学医院和首都医科大学大兴教学医院经病理证实的138例SPN患者的临床和影像资料,其中良性49例,恶性89例。患者术前均行胸部CT平扫检查。应用3D-Slicer软件对所有CT图像进行分割,再应用Python语言的PyRadiomics软件包提取影像组学特征。通过最大相关-最小冗余(max-relevance and minredundancy,mRMR)算法剔除冗余和不相关特征,然后采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归分析筛选最优影像组学特征用于构建模型。利用ROC曲线评价模型的诊断效能。结果经过特征降维和筛选,最终选出11个影像组学特征用于构建鉴别SPN良恶性的影像组学模型。预测模型在训练组的灵敏度、特异性、阳性预测值、阴性预测值和准确率分别为80.0%、85.7%、75.7%、88.5%和83.7%,ROC曲线的AUC为0.90(95%CI:0.83~0.96);验证组灵敏度、特异性、阳性预测值、阴性预测值和准确率分别为85.7%、88.5%、80.0%、92.0%和87.5%,ROC曲线的AUC为0.87(95%CI:0.72~1.00)。结论CT影像组学模型在SPN良恶性的鉴别中具有较高的诊断价值。