基于CT使用放射学特征预测肾透明细胞细胞癌Fuhrman分级 | Radcloud

zskyteacher 2019-07-02

展开全文

5月24日起汇医慧影推出为期一个月的Radcloud智慧科研特辑，以每周2篇的频次，在鼎湖影像及汇医慧影公众号中发布Radcloud大数据智能分析科研平台中产出的部分高质量论文/摘要，分享前沿科研成果和观念，本篇内容是此次科研特辑的第八篇也是最后一篇，后续我们还将带来更多关于Radcloud大数据智能分析科研平台产品/理念/技术创新的多维盘点与最新动态，欢迎关注。

- 第八期 -

西印弘、舒俊及汇医慧影创新事业部崔景景等人使用Radcloud大数据智能分析科研平台，基于CT使用放射学特征预测肾透明细胞细胞癌Fuhrman分级，其“Clear cell renal cell carcinoma: CT-based radiomics features for the prediction of Fuhrman grade”已在European Journal of Radiology 杂志（IF = 2.843）发表。

背景:

肾细胞癌约占所有恶性肿瘤的3.8%，泌尿系统中恶性度较高的肿瘤，其中肾透明细胞癌是最常见的类型，约占肾细胞癌的80%。肿瘤分期和分级是5年生存率最重要的预后预测指标，CT作为检测、表征肾癌的首选检查手段，其分期准确率高达91%。但是由于肾透明细胞癌具有高度的时空异质性，活检并不能反映整个肿瘤的Fuhrman分级，因此应尝试术前应用无创技术对肾透明细胞细胞进行评估。

目的:

基于CT影像，应用放射组学鉴别肾透明细胞癌低级别(Fuhrman I/II)和高级别(Fuhrman III/IV)。

方法:

对2011年1月至2018年5月收治的161例和99例低、高级别肾透明细胞癌患者进行回顾性分析。由2名医生对患者CT图像的皮髓期(CMP)和实质期（NP）进行勾画，随后针对这两个期相分别提取1029个放射学特征。使用类间相关系数(ICC)和最小绝对收缩和选择算子(LASSO)回归法对特征进行选择。基于5折交叉验证，使用逻辑式回归方法，对选择的特征构建三个分类模型(CMP、NP及其组合)来鉴别肾透明细胞癌的高、低分级，通过ROC、敏感性及特异性进行模型性能评估，同时采用Delong检验对模型进行比较。

结果:

从NP和CMP图像中分别选择出11，24个特征与Fuhrman分级有独立的显著性相关。应用放射学特征集构建三种不同期相各自的分类器，CMP模型诊断价值准确度0.719 (AUC：0.766，95% CI：0.709-0.816，敏感性：0.602，特异性：0.838)；NP模型诊断准确率为0.738 (AUC：0.818，95%:0.765-0.838，敏感性：0.693，特异性：0.838)；联合模型诊断准确率为0.777 (AUC：0.822，95%CI:0.769-0.866，敏感性：0.677，特异性：0.839)。对模型进行Delong检验，CMP模型与联合模型有显著性差异(P=0.0208)，但CMP模型与NP模型、NP模型与联合模型均比表选无显著的统计学差异(P=0.0844, 0.7915)。