联合CT影像组学与深度学习特征建立列线图预测食管鳞癌放疗近期疗效

作     者：朱正群 巩萍 黄栎有 徐兰 章龙珍 ZHU Zheng-qun;GONG Ping;HUANG Li-you

作者机构：徐州医科大学第一临床学院江苏221006 阜宁县人民医院肿瘤科江苏224400 徐州医科大学医学影像学院江苏221006 徐州医科大学附属医院放疗科江苏221006 

出 版 物：《放射学实践》 (Radiologic Practice)

年 卷 期：2024年第39卷第2期

页      面：233-238页

核心收录：

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）] 100214[医学-肿瘤学] 100106[医学-放射医学] 10[医学] 100602[医学-中西医结合临床] 

基　　金：江苏省卫生健康委员会医学科研项目(Z2022023) 

主　　题：食管癌 放射治疗 影像组学 深度学习 体层摄影术,X线计算机 近期疗效 

摘      要：目的:探讨基于CT影像组学特征与深度学习特征建立列线图对食管癌放疗近期疗效的预测价值。方法:回顾性分析137例食管鳞癌患者的临床及影像资料。从CT图像中提取影像组学特征和深度学习特征。通过最小绝对收缩和选择算子方法分别对影像组学特征和深度学习特征进行降维并计算得到影像组学得分(Radscore)和深度学习得分(Deepscore)。采用多因素logistic回归分析建立预测模型,并绘制列线图。对列线图的校准度、诊断效能和临床价值进行评价。结果:筛选得到6个影像组学特征参与计算Radscore,6个深度学习特征参与计算Deepscore。多因素logistic回归结果显示Radscore、Deepscore、TNM分期为联合模型的独立预测因子。联合预测模型在训练集中预测食管鳞癌患者放疗近期疗效的曲线下面积(AUC)为0.904,高于临床模型(AUC=0.662)和影像组学模型(AUC=0.814),且AUC差异均有统计学意义(P0.001、P=0.004)。验证集中联合模型的AUC为0.938,高于临床模型(AUC=0.644)和影像组学模型(AUC=0.852),联合模型与临床模型间AUC差异有统计学意义(P0.001),与影像组学模型间AUC差异无统计学意义(P=0.091)。决策曲线分析发现联合预测列线图在0.1~0.9和0.97~0.99的阈值范围内表现出较好的临床实用性。结论:CT影像组学特征联合深度学习特征能较好地预测食管癌放疗近期疗效。