影像组学特征预测周围型肺癌Ki-67水平的CT研究

作     者：魏伟 韩冬 贾永军 雷雨欣 于楠 于勇 樊丽华 WEI Wei;HAN Dong;JIA Yongjun;LEI Yuxin;YU Nan;YU Yong;FAN Lihua

作者机构：陕西中医药大学附属医院医学影像科陕西咸阳712000 

出 版 物：《影像诊断与介入放射学》 (Diagnostic Imaging & Interventional Radiology)

年 卷 期：2024年第33卷第1期

页      面：31-36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）] 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：陕西省教育厅2023年度青年创新团队科学研究计划项目(23JP035) 

主　　题：影像组学 周围型肺癌 Ki-67增殖指数 体层摄影术,X线计算机 

摘      要：目的周围型肺癌的影像组学特征与Ki-67表达水平之间的关系尚不清楚。本研究建立基于CT增强动脉期图像的影像组学标签预测周围型肺癌的Ki-67表达情况。方法回顾性收集2017年5月—2020年11月行胸部CT增强扫描并在检查后2周内经病理证实、行Ki-67表达水平检测的117例周围型肺癌患者,其中男43例,女74例,年龄35~79岁(中位年龄54岁)。经手术病理证实,Ki-67高表达组54例,Ki-67低表达组63例,以7∶3的比例将患者分为训练组(n=82)和验证组(n=35)。使用ITK-SNAP于CT动脉期图像上手动勾画肺癌全肿瘤容积数据,A.K软件提取影像组学特征。采用LASSO回归模型进一步筛选特征并构建影像组学标签,并计算每例患者的影像组学评分,然后结合临床信息进行多因素Logistic回归分析,筛选出预测Ki-67水平的独立危险因素。在验证组和训练组中使用受试者工作特征曲线及曲线下面积(AUC)评价影像组学标签的预测性能。根据Hosmer-Lemeshow检验评估影像组学标签的校准度。采用决策曲线分析法(DCA)评估影像组学标签的临床价值。结果从396个特征中选择7个影像组学特征,建立与Ki-67表达水平显著相关的影像组学标签。该模型在训练组中AUC为0.844(95%CI:0.725~0.964),敏感度93%,特异度71%,校准度0.709。在验证组中,AUC为0.881(95%CI:0.756~0.954),敏感度91%,特异度75%,校准度0.950。单因素Logistic回归分析显示Ki-67高表达与低表达两组间性别、年龄和吸烟差异均无统计学意义(P0.05)。使用多因素Logistic回归模型,影像组学评分被认为是预测周围型肺癌Ki-67表达情况的独立预测因素。DCA显示阈值概率在0.03%~0.63%时,影像组学标签预测周围型肺癌Ki-67表达水平效能较优。结论基于增强CT动脉期图像建立的影像组学标签有助于预测周围型肺癌病灶Ki-67的表达,无创评估肿瘤侵袭性和预后。