基于胸部CT深度学习对临床IA期肺腺癌淋巴管血管侵犯的术前预测研究

作     者：陈小娟 

作者单位：广州医科大学 

学位级别：硕士

导师姓名：陈淮

授予年度：2023年

学科分类：1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 100214[医学-肿瘤学] 100106[医学-放射医学] 10[医学] 

主      题：临床IA期肺腺癌 淋巴管血管侵犯 深度学习 术前预测 

摘      要：研究目的:评估深度学习模型中临床模型、Transformer模型及临床-Transformer联合模型对临床IA期肺腺癌患者术前淋巴管血管侵犯(LVI)状态的预测价值,为临床决策和个体化治疗提供重要的参考价值。材料及方法:本研究回顾性分析了广州医科大学附属第一医院2016年1月1日至2019年7月30日、中山大学肿瘤防治中心2010年1月1日至2021年12月31日CT图像上表现为孤立性实性或部分实性结节,且术后病理确诊为肺腺癌患者的临床、病理及影像资料。将两个中心数据混合后按照8:2的比例随机分为训练集和测试集。先后采用单因素、多因素二元Logistics回归分析筛选出肺腺癌LVI的独立危险因素。采用Trans UNet分割算法对感兴趣区进行分割,然后将图像块输入Res Net18进行预训练,再基于Vision Transformer架构进行深度学习特征提取,最终将筛选出来的临床、CT影像学特征和CT图像深度学习特征输入全连接神经网络分类器构建模型。采用五折交叉验证方法对模型进行选择和评估。采用R软件中“report ROC包绘制不同模型的受试者工作特征曲线(ROC),并计算曲线下面积(AUC)、准确度(ACC)、特异度(SPE)、敏感度(SEN)、阳性预测值(PPV)、阴性预测值(NPV)及F1 score评估各深度学习模型的预测效能。用De Long方法检验比较不同模型之间AUC的统计学差异。结果:本研究一共纳入了1907例临床IA期肺腺癌患者,LVI阳性患者290例,LVI阴性患者1617例,平均年龄58.4±9.9岁。按照8:2比例分为训练集1525例(LVI阳性232例,LVI阴性1293例)、测试集382例(LVI阳性58例,LVI阴性324例)。多因素二元Logistics回归分析结果显示,性别、吸烟史、血清癌胚抗原水平、肺腺癌组织病理学分级、淋巴结转移、脏层胸膜侵犯、结节成分及瘤周间质增厚是临床IA期肺腺癌LVI状态的独立预测危险因素;并且随着组织病理学分级的升高,发生LVI的风险也升高。本研究一共构建了三种深度学习模型,分别是临床模型、Transformer模型和临床-Transformer联合模型。在训练集和测试集中,临床-Transformer联合模型均表现出对术前肺腺癌LVI状态的最佳的预测效能,AUC分别为0.862(95%CI:0.839-0.885)、0.742(95%CI:0.716-0.768);其次为Transformer模型,其训练集和测试集AUC分别为0.834(95%CI:0.809-0.859)、0.728(95%CI:0.702-0.754);临床模型的预测效能较弱,其训练集和测试集AUC分别为0.831(95%CI:0.807-0.856)、0.713(95%CI:0.868-0.740)。结论:1.本研究建立了临床IA期肺腺癌LVI状态的术前深度学习预测模型,通过联合临床、CT影像学特征及CT图像深度学习特征,临床-Transformer联合模型获得了最高的预测效能。将来有望进一步提高该模型的预测效能,使其成为术前无创性预测LVI状态的潜在辅助诊断工具,为临床决策和个体化治疗提供重要参考价值。2.临床IA期肺腺癌LVI的发生率与腺癌组织病理学分级密切相关,随着组织病理学分级的升高,发生LVI的风险也升高,以微乳头状为主型与实体为主型肺腺癌发生风险最高。