基于术前CT影像组学模型预测透明细胞肾细胞癌患者的Ki-67表达

作者：Zhijun Yang, Han He, Yunfeng Zhang, Jia Wang, Wenbo Zhang, Fenghai Zhou · 发表于：Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences · 年份：2024 · DOI：10.11817/j.issn.1672-7347.2024.240455 · 研究领域：Medicine

目的 透明细胞肾细胞癌(clear cell renal cell carcinoma，ccRCC)是肾细胞癌(renal cell carcinoma，RCC)最常见的亚型，制订个体化的治疗方案对于改善患者预后有重要意义。本研究开发并验证基于术前计算机断层扫描(computer tomography，CT)影像组学的预测ccRCC患者Ki-67表达的模型，以指导其临床治疗和预后预测。 方法 回顾性分析2018年1月至2023年11月在甘肃省人民医院接受手术治疗的214例经术后病理确诊为ccRCC的患者。根据术后免疫组织化学染色结果将患者分为Ki-67高表达组(n=123)和Ki-67低表达组(n=91)，并以7꞉3的比例随机分为训练集(n=149)和验证集(n=65)。收集患者术前泌尿系统增强CT图像和临床资料，首先挑选出5 mm动脉期CT图像经过前期处理后，使用ITK-SNAP 3.8软件全手动逐层勾画感兴趣区(region of interest，ROI)；然后利用FeAture Explorer(FAE)包提取原始影像组学特征，通过最小绝对收缩与选择算子(least absolute shrinkage and selection operator，LASSO)算法对提取到的特征进行降维及筛选；最终筛选出最优特征组合。基于这些特征分别利用逻辑回归(logistic regression，LR)、多层感知器(multilayer perceptron，MLP)和支持向量机(support vector machine，SVM)分类器构建预测模型；绘制受试者操作特征(receiver operating characteristic，ROC)曲线并计算曲线下面积(area under the curve，AUC)，同时采用决策曲线分析(decision curve analysis，DCA)、校准曲线进行模型评价。 结果 利用FAE工具包从 5 mm动脉期CT图像提取到107种原始影像组学特征，使用LASSO算法最终筛选出21个与患者Ki-67表达密切相关的影像组学特征，分别基于LR、MLP、SVM分类器构建模型，3种模型在训练集和验证集中的AUC分别为LR模型0.904(95% CI 0.852~0.956)、0.818(95% CI 0.710~0.926)，MLP模型0.859(95% CI 0.794~0.923)、0.823(95% CI 0.716~0.929)，SVM模型0.917(95% CI 0.865~0.969)、0.857(95% CI 0.760~0.953)。DCA表明模型具有较好的临床净收益。校准曲线表明预测模型具有良好的精确性。 结论 本研究建立了基于CT影像组学的ccRCC患者Ki-67表达预测模型，有助于指导临床医师制订ccRCC患者的治疗方案，并预测患者的预后。