临床、CT影像组学及融合模型预测肝细胞癌分化程度

摘要

目的 评价临床、CT影像组学及融合模型预测肝细胞癌(HCC)分化程度的可行性.方法 纳入330例HCC患者,根据病理所见分化程度分为高分化组(n=85)、中分化组(n=161)及低分化组(n=84),比较组间临床资料及CT征象差异.按3:1比例随机将各组分为训练集及测试集.提取训练集CT影像组学特征,构建临床模型、影像组学模型及融合模型.绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估各模型鉴别不同分化程度HCC的效能.结果 共纳入352个CT影像组学特征,109个来自高、中分化HCC,84个来自中、低分化HCC,159个来自高、低分化HCC.临床模型鉴别高、低分化HCC的AUC为0.85;CT影像组学模型鉴别高分化与中、低分化HCC的AUC分别为0.80及0.79;融合模型鉴别高、低分化HCC的AUC为0.88.结论 临床、CT影像组学及融合模型预测高、低分化HCC的效能均较高.CT影像组学模型可较好地预测高、中分化HCC.