能谱CT及其放射组学模型术前预测胃癌淋巴结转移的价值

摘要

本文分为以下几个部分进行探讨：　　第一部分:能谱CT术前预测胃癌淋巴结转移的价值　　目的：　　1.探讨能谱CT术前预测胃癌淋巴结转移的诊断效能，建立并验证基于能谱CT碘基值的术前预测胃癌淋巴结转移的诺模图。　　2.探讨该模型在预测胃癌患者预后方面的价值。　　结果：　　1.训练集淋巴结转移阳性组中肿瘤最厚径、Borrmann分型Ⅲ-Ⅳ比例、ICAP、ICVP、nICAP、nICVP均值分别为19.68±8.83mm、42.50％、14.52±5.75(100μg/ml)、23.60±9.29(100μg/ml)、0.1806±0.0876和0.4982±0.1895。除ICAP值外(P＞0.05)，淋巴结转移组均高于非转移组（P均＜0.05）。　　2.肿瘤最厚径、Borrmann分型和静脉期碘基值(iodine concentration at venous phase，ICVP)是胃癌淋巴结转移的独立预测指标。　　3.在训练集中根据上述指标构建的诺模图与淋巴结转移状态相关(P＜0.001)。　　4.该模型曲线下面积(area under the curve，AUC)为0.793[95％置信区间(95％confidence interval，CI)，0.678-0.908]，准确性为0.757(95％CI，0.640-0.852)，显示出较高的术前预测胃癌淋巴结转移的能力。　　5.该模型具有较好的预后能力，预测PFS和OS的C-指数为0.675(95％CI，0.571-0.779;P＜0.001)和0.643(95％CI,0.518-0.768;P=0.025)。　　结论：　　1.本研究首次建立并验证了能谱CT为基础的诺模图，该模型纳入了肿瘤最厚径、Borrmann分型和静脉期碘基值。　　2.该模型简单易行，成功将胃癌患者根据淋巴结转移风险进行分层评估，有助于提高胃癌患者术前个体化N分期诊断水平。　　3.该模型与胃癌患者生存期有关，显示出较高的预测预后能力。　　第二部分:CT放射组学模型术前预测胃癌淋巴结转移的价值　　目的：　　1.建立并验证基于双期增强CT放射组学诺模图术前预测胃癌淋巴结转移，并与临床模型对比，明确其额外价值。　　2.探讨该放射组学模型预测患者预后的能力。　　结果：　　1.训练集中淋巴结转移组的肿瘤最厚径和CT报告淋巴结状态均显著高于非淋巴结转移组(P＜0.05）。　　2.放射组学标签的构建和验证:动脉期标签包含2个深度学习特征和1个人工定义特征，而静脉期标签包含1个深度学习特征和2个人工定义特征。上述2个放射学标签在验证集中显示出较高的淋巴结转移预测能力，动脉期和静脉期CT组学标签的AUC分别为0.688 (95％ CI: 0.554-0.822)和0.643 (95％ CI:　　0.505-0.781)。　　3.放射组学诺模图的建立和验证:CT报告淋巴结状态和静脉期放射学标签在多因素回归中具有显著性，并纳入放射组学诺模图建立。　　4.放射组学模型在训练集和验证集中均表现出较高的诊断效能，其AUC分别为0.810 (95％ CI: 0.734-0.886)和0.776 (95％ CI: 0.664-0.888)，高于临床预测模型。　　5.以训练集ROC曲线上最高Youden's指数所对应的点0.63作为最佳诊断阈值，其在训练集和验证集中准确性、敏感性、特异性分别为0.765 (95％ CI:0.684-0.833)、0.786、0.731; 0.677 (95％ CI: 0.552-0.785)、0.711、0.633。　　6.该诺模图和患者预后存在相关性，其与PFS和OS间相关性的和谐指数分别为0.593 (95％ CI, 0.494-0.692; P=0.0662)、0.611 (95％ CI, 0.495-0.727;P=0.0603)。　　结论：　　1.本研究首次建立并验证基于CT预测胃癌淋巴结转移的放射组学诺模图。　　2.该诺模图集合了CT报告淋巴结状态和静脉期增强图像为基础的放射组学标签，有助于优化术前预测胃癌患者淋巴结转移，并为放射组学研究提供更多信息。　　3.该诺模图术前预测胃癌淋巴结转移能力显著高于临床模型。　　4.该诺模图与患者预后相关，对总生存期和无进展生存期均有较高的预测能力。　　第三部分:能潜CT放射组学模型术前预测胃癌淋巴结转移　　目的：　　1.建立并验证能谱CT多能级图像为基础的术前预测胃癌淋巴结转移的放射组学诺模图。　　2.通过比较多能级图像为基础的放射组学模型、单能级图像为基础的放射组学模型和临床特点为基础的模型在预测胃癌淋巴结转移的效能，探讨能谱CT为基础的放射组学模型的额外价值。　　3.探讨该模型对患者预后的预测价值。　　结果：　　1.训练集中淋巴结转移组的肿瘤最厚径、nICVP和CT报告淋巴结状态均显著高于非淋巴结转移组（P＜0.05）。训练集和验证集患者的年龄、性别、肿瘤部位和淋巴结转移率的差别不具有统计学意义。　　2.动脉期标签包含1个深度学习特征和2个人工定义特征，而静脉期标签包含深度学习特征和人工定义特征各1个。上述2个放射学标签在验证集中显示出较高的淋巴结转移预测能力，动脉期和静脉期CT组学标签的AUC分别为0.711(95％ CI: 0.585-0.838)和0.755 (95％ CI: 0.638-0.873)。　　3.CT报告淋巴结状态和2个放射学标签在多因素回归中具有显著性，并纳入模型建立。　　4.诺模图在训练集和验证集中均表现出较高的诊断效能，其AUC分别为0.839 (95％ CI: 0.773-0.904)和0.821 (95％ CI: 0.722-0.920)，高于基于单能量图像的放射组学模型和基于临床特点的模型。　　5.以训练集ROC曲线上最高Youden's index所对应的点0.62作为最佳诊断阈值，其在训练集和验证集中准确性、敏感性、特异性分别为0.772 (95％ CI:0.692-0.840)、0.774、0.769;、0.765 (95％ CI: 0.646-0.859)、0.737、0.800。　　6.放射组学模型在验证集队列中预测胃癌淋巴结转移的效能显著高于单能级图像的组学模型和临床特征为基础的模型。　　7.诺模图和患者预后存在显著相关性，诺模图与PFS和OS间相关性的C-指数分别为0.637 (95％ CI，0.544-0.730; P=0.0038)、0.669 (95％ CI，0.560-0.778;P=0.0023)。具有较高诺模图分值的患者预后较差。　　结论：　　1.本研究首次建立并内部验证能谱CT多能级图像为基础的术前预测胃癌淋巴结转移的诺模图。　　2.该诺模图集合了CT报告淋巴结状态和能谱CT多能级双期增强和多能级图像为基础的放射组学标签，有助于优化术前预测胃癌患者淋巴结转移，并为放射组学研究提供更多信息。　　3.该诺模图与胃癌患者预后相关，对总生存期和无进展生存期也显示出较高的预测能力。

目录

声明

摘要

中英文缩略词对照表

前言

第一部分：能谱CT术前预测胃癌淋巴结转移的价值

前言

材料与方法

结果

讨论

小结

参考文献

附图

第二部分：CT放射组学模型预测胃癌淋巴结转移的价值

前言

材料与方法

结果

讨论

小结

参考文献

附图

第三部分：能谱CT放射组学模型术前预测胃癌淋巴结转移

前言

材料与方法

结果

讨论

小结

参考文献

附图

结论

综述 胃癌N分期影像学评价的研究现状与进展

攻读博士学位期间发表论文及成果

作者简介

致谢