浸润性肺腺癌分化程度预测模型的临床价值

• Published in: 中华肿瘤杂志 Vol. 44; no. 7; pp. 767 - 775
• Main Authors: 单文莉, 孔丹, 张辉, 张建东, 段绍峰, 郭莉莉
• Format: Journal Article
• Language: Chinese
• Published: 南京医科大学附属淮安第一医院影像中心，江苏省淮安市 223300%通用电气药业（上海）有限公司精准医学研究院，上海 210000 23.07.2022
• Subjects: 影像组学; Ki-67; Invasive lung adenocarcinoma; 浸润性腺癌; Thyroid transcription factor-1; NapsinA; 分化程度; 肺肿瘤; Differentiation; 甲状腺转录因子1; Lung neoplasms; Radiomics
• ISSN: 0253-3766
• DOI: 10.3760/cma.j.cn112152-20200102-00002

目的:探讨基于CT图像影像组学列线图模型预测肺浸润性腺癌(IAC)分化程度的价值及免疫组化因子在肿瘤不同分化程度间的表达差异。方法:收集2017年12月至2018年9月南京医科大学附属淮安第一医院经手术病理证实为肺IAC患者的临床病理资料。对所有勾画感兴趣区进行高通量特征采集，经最小绝对收缩算子降维处理后构建预测模型。采用受试者工作特征曲线评估临床特征模型、影像组学模型及两者联合的个体化预测模型鉴别肺IAC分化程度的预测效能，免疫组化Ki-67、NapsinA、甲状腺转录因子1(TTF-1)在IAC不同分化程度的组间比较采用秩和检验。结果:全组IAC病灶中共提取出396个高通量特征，筛选出10个泛化能力较高、与IAC分化程度相关的特征。训练组低分化IAC的影像组学评分平均值(1.206)高于中高分化患者(0.969， P＝0.001)，测试组低分化IAC的影像组学评分平均值(1.545)高于中高分化患者(-0.815， P<0.001)。中高分化IAC组和低分化IAC组患者的性别( P<0.001)、胸膜牵拉征( P＝0.005)、毛刺征( P＝0.033)差异均有统计学意义。多因素logistic回归分析显示，性别、胸膜牵拉征与IAC分化程度有关(均 P<0.05)。临床特征模型由年龄、性别、胸膜牵拉征、毛刺征、肿瘤血管征、空泡征组成，个体化预测模型由性别、胸膜牵拉征及影像组学评分构成，并由列线图表示。影像组学模型、临床特征模型和个体化预测模型的Akaike信息标准值分别为54.756、82.214和53.282。个体化预测模型对鉴别肺IAC分化程度的效能最高，个体化预测模型在训练组和测试组中的曲线下面积(AUC)分别为0.92(95% CI：0.86~0.99)和0.88(95% CI：0.74~1.00)；影像组模型在训练组和测试组中预测肺IAC分化程度的AUC分别为0.91(95% CI：0.83~0.98)和0.87(95% CI：0.72~1.00)；临床特征模型在训练组和测试组中预测肺IAC分化程度的AUC分别为0.75(95% CI：0.63~0.86)和0.76(95% CI：0.59~0.94)。Ki-67在低分化IAC中的表达水平高于中高分化IAC( P<0.001)，NapsinA、TTF-1在中高分化IAC中的表达高于低分化IAC(均 P<0.05)。 结论:由性别、胸膜牵拉征及影像组学