基于CT影像组学预测肝细胞癌放疗疗效的研究

作     者：何雨 

作者单位：中南大学 

学位级别：硕士

导师姓名：曹培国

授予年度：2023年

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

主      题：肝癌 影像组学 放疗 预后 诺莫图 

摘      要：目的:探索基于计算机断层扫描(computed tomography,CT)影像组学技术构建的诺莫图(Nomogram)模型在预测肝细胞癌(hepatocellular carcinoma,HCC)患者放疗预后的价值,为临床医生提供对患者预后判断的客观依据,辅助临床决策。方法:纳入65名符合条件的HCC患者,随机分为训练集(n=52和验证集(n=13)。收集HCC患者的动脉期CT数据。通过3D slicer的开源包Pyradiomics提取影像组学特征,对所有影像组学特征进行Z-score标准化。通过T检验和最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)回归对高维特征降维、筛选。使用十折交叉验证优化惩罚参数。对训练集进行了降维、特征选择和建立影像组学标签(radiomics score,Rad-score)的处理。然后采用单因素及多因素COX回归分析,建立包括Rad-score、巴塞罗那临床肝癌(Barcelona clinical liver cancer,BCLC)分期和甲胎蛋白(alpha-fetoprotein,AFP)水平的诺莫图模型。分析该模型的识别能力和临床应用价值,并且使用内部队列数据进行验证该模型。采用校准曲线及一致性指数(concordance Index,C-index)评估模型效能,采用决策曲线分析法评估模型的临床净获益。所有特征的筛选、模型的构建以及模型诊断性能的评估和比较均在R软件(version 4.2.2)和Python(version 3.8.1)中进行,IBM SPSS(version 26.0)用于其他临床数据分析和受试者工作特征曲线(receiver operator characteristic curve,ROC)的绘制。结果:通过T检验和LASSO算法从1316个影像组学特征进行降维筛选,最终纳入13个影像组学特征,并建立Rad-score。基于CT影像组学特征构建的模型预测HCC患者预后的ROC分析显示:在训练集中,曲线下面积(area under curve,AUC)为0.917(95%Cl:0.842-0.992),敏感性为85.2%,特异性为84.0%;在验证集中,AUC为0.833(95%CI:0.607-1.000),敏感性为85.7%,特异性为66.7%。结合Radscore、BCLC分期和AFP水平,我们开发了适用于个体化的影像组学诺莫图模型。该模型具有良好的鉴别能力,在训练集和验证集的C-index分别为0.724(95%CI:0.640-0.808)和0.945(95%CI:0.902-0.988),并有良好的校正能力。通过决策曲线分析证实了该模型的临床净获益和临床实用性。结论:本研究验证了基于CT影像组学特征构建的Rad-score是HCC患者放疗的独立预后因素;基于Rad-score、BCLC分期和AFP水平参数构建的联合模型在预测HCC患者放疗后无进展生存期方面体现了良好的预测性能及稳定性。图15幅,表6个,参考文献71篇