基于^(18)F-FDG PET/CT影像组学构建术前预测卵巢上皮癌淋巴结转移风险模型研究

摘要

目的:旨在结合临床特征构建基于PET/CT的影像组学模型,预测卵巢上皮癌淋巴结转移风险。方法:回顾性分析2017年1月—2020年11月接受肿瘤细胞减灭术的卵巢上皮癌患者275例,按照7∶3的比例随机划分为训练组(189例)和验证组(86例)。由两名经验丰富的放射科医生进行手工感兴趣区的勾画并提取组学特征。单变量分析筛选组学特征,Lasso回归分析分别构建基于PET及CT图像组学特征的组学标签。通过多因素Logistic回归分析构建模型,共构建三个模型:临床模型,临床+PET标签模型,临床+CT标签模型。通过受试者工作曲线、校准曲线及净重分类指数对上述模型进行评估,最佳模型构建列线图。结果:Lasso回归分析建立了PET及CT的组学标签,训练组中临床特征+CT组学标签模型的预测能力最好,AUC为0.726(95%CI 0.654~0.797),敏感度0.705,特异度0.667。而在验证组中临床特征+PET组学标签模型预测能力最好,AUC为0.713(95%CI 0.602~0.825),敏感度0.750,特异度为0.652,远高于其他模型。三个模型校准图显示临床特征+PET组学标签的模型在训练组和验证组中均有良好的校准度。临床特征+PET组学标签的模型泛化能力可能更强,我们为这个模型构建了列线图。结论:与单独使用临床特征相比,整合PET/CT的影像组学标签至模型中,可以提高模型诊断准确性并提供互补信息。在研究中构建的影像组学模型列线图是预测卵巢上皮癌患者淋巴结转移风险及高级别浆液性癌无进展生存的有效工具。