基于CT检查影像组学食管癌根治术后吻合口增厚性质预测模型的构建及其应用价值

摘要：

目的 探讨基于CT检查影像组学食管癌根治术后吻合口增厚性质预测模型的构建及其应用价值.方法 采用回顾性队列研究方法.收集2013年1月至2021年6月郑州大学第一附属医院收治202例食管鳞癌患者的临床病理资料;男147例,女55例;年龄为(63±8)岁.202例患者采用随机数法以7:3比例随机分为训练集141例和验证集61例.患者均行食管癌根治术和CT增强检查.观察指标:(1)吻合口恶性增厚的影响因素分析.(2)预测模型构建与评估.(3)3种预测模型性能比较.运用Kolmogorov-Smirnov检验连续变量的正态性.正态分布的计量资料以(x)±s表示,组间比较采用t检验.偏态分布的计量资料以M(Q1,Q3)表示,组间比较采用Mann-WhintneyU检验.计数资料以绝对数表示,组间比较采用x2检验或Fisher确切概率法.采用Kappa检验和组内相关系数(ICC)评估2名医师CT主观征象和测量的CT数值变量一致性,Kappa值＞0.6、ICC＞0.6认为一致性较好.单因素分析采用对应的统计学方法.多因素分析采用Logistics逐步回归模型.绘制受试者工作特征(ROC)曲线,以曲线下面积(AUC)及Delong检验、决策曲线评估模型的诊断效能及临床实用性.结果 (1)吻合口恶性增厚的影响因素分析.202例食管鳞癌患者中,吻合口恶性增厚97例,吻合口炎性增厚105例.2位医师CT主观征象和测量CT数值变量一致性,Kappa值和ICC均＞0.6.多因素分析结果显示:吻合口最大厚度、增厚组织CT强化方式是食管癌根治术后吻合口恶性增厚的独立影响因素[风险比=1.46,3.09,95％可信区间(CI)为1.26～1.71,1.18～8.12,P＜0.05].(2)预测模型构建与评估.①临床预测模型:纳入多因素分析结果吻合口最大厚度、增厚组织CT强化方式构建临床预测模型.ROC曲线显示:临床预测模型训练集的AUC、准确度、灵敏度、特异度分别为0.86(95％CI为0.80～0.92)、0.77、0.77、0.80;验证集上述指标分别为0.78(95％CI为0.65～0.89)、0.77、0.77、0.80.Delong检验结果显示:训练集和验证集AUC比较,差异无统计学意义(Z=1.22,P＞0.05).②影像组学预测模型:提取202例患者854个影像组学特征,最终筛选出2个影像组学特征(wavelet-LL_firstorder Maximum和original_shape_VoxelVolume),用于构建影像组学预测模型.ROC曲线显示:影像组学预测模型训练集的AUC、准确度、灵敏度、特异度分别为0.87(95％CI为0.81～0.93)、0.80、0.75、0.86;验证集上述指标分别为0.73(95％CI为0.63～0.83)、0.80、0.76、0.94.Delong检验结果显示:训练集和验证集AUC比较,差异无统计学意义(Z=-0.25,P＞0.05).③联合预测模型.联合多因素分析结果和影像组学特征构建联合预测模型.ROC曲线显示:联合预测模型训练集的AUC、准确度、灵敏度、特异度分别为0.93(95％CI为 0.89～0.97)、0.84、0.90、0.84;验证集上述指标分别为0.79(95％CI为0.70～0.88)、0.89、0.86、0.91.Delong检验结果显示:训练集和验证集AUC比较,差异无统计学意义(Z=0.22,P＞0.05).(3)3种预测模型性能比较.Hosmer-Lemeshow拟合优度检验结果显示:临床预测模型、影像组学预测模型、联合预测模型的拟合度均较好(x2=4.88,7.95,4.85,P＞0.05).Delong检验结果显示:联合预测模型分别与临床预测模型和影像组学预测模型AUC比较,差异均有统计学意义(Z=2.88,2.51,P＜0.05);临床预测模型与影像组学预测模型比较,差异无统计学意义(Z=-0.32,P＞0.05).校准曲线显示:联合预测模型的预测能力良好.决策曲线显示:联合预测模型对吻合口增厚性质的评估能力优于临床预测模型和影像组学预测模型.结论 吻合口最大厚度、增厚组织CT强化方式是食管癌根治术后吻合口恶性增厚的独立影响因素;影像组学预测模型可鉴别吻合口良恶性增厚,联合预测模型诊断效能最优.

关键词：食管肿瘤、鳞癌、体层摄影、X线计算机、放射组学、吻合口狭窄、吻合口复发

所属期刊栏目：22

分类号：R735.1;F302.5;TB114.3

在线出版日期：2023-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1233-1242