实用医学杂志 ›› 2021, Vol. 37 ›› Issue (14): 1872-1878.doi: 10.3969/j.issn.1006⁃5725.2021.14.020
基于CT影像组学诺模图预测头颈部恶性肿瘤淋巴结转移
李羚1, 胡大涛2, 夏春华2, 李红霞3
安徽医科大学第三附属医院合肥市第一人民医院1 耳鼻咽喉科,2 放射科,3 肿瘤科(合肥 230061)
Prediction of lymph node metastasis of head and neck malignant tumor based on CT radiomics nomogram
LI Ling*,HU Datao,XIA Chunhua,LI Hongxia.
摘要:
目的 探讨基于 CT 的影像组学诺模图预测头颈部恶性肿瘤淋巴结转移的诊断价值。 方法 回顾分析 2017 年 1 月至 2020 年 10 月就诊于合肥市第一人民医院,有明确淋巴结病理且治疗 前有质量较好的 CT 平扫及增强的头颈部恶性肿瘤患者 75 例,收集 201 枚淋巴结,将 2017 年 1 月至 2019 年 11 月的 113 枚淋巴结归为训练组,2019 年 12 月至 2020 年 10 月的 88 枚淋巴结归为测试组。运用 Mazda 软件提取影像组学特征,使用 LASSO 法降维,建立影像组学标签。经过多因素逻辑回归筛选, 将平扫 CT 值、增强动脉期 CT 值分别与影像组学标签建立影像组学诺模图预测模型,与影像组学标 签组和 CT 征象诊断模型进行对比,使用受试者工作特征(receiver operator characteristic,ROC)曲线、曲线 下面积(area under cuive,AUC)和校准曲线校准度对诊断效能进行对比评价。结果 在每个 CT 扫描 的颈部淋巴结区域内提取 298 个三维特征,通过降维,筛选出 6 ~ 7 个最具相关性的影像组学特征建立 影像组学标签。影像组学标签+平扫 CT 值诺模图预测模型在训练组和测试组 AUC 为(0.955,0.885), 影像组学标签+增强 CT 诺模图值预测模型在训练组和测试组 AUC 为(0.982,0.920),均大于只有影像组学标签模型为[AUC(0.940,0.905),P<0.05],平扫 CT 值+平扫影像组学标签、增强 CT 值+影像组 学标签、影像组学标签和 CT 征象诊断模型的准确率分别是 0.920、0.930、0.801 和 0.716;敏感性分别是 0.925、0.925、0.877 和 0.792;特异性分别为 0.916、0.926、0.716 和 0.632;且具有满意的校准度。结论 基于 CT 的影像组学诺模图对头颈部恶性肿瘤淋巴结转移的诊断效能良好,具有简便、安全、可靠的 临床应用价值。