CT影像组学联合征象鉴别新型冠状病毒肺炎与其他病毒性肺炎的价值

摘要：

目的:探讨基于CT影像征象联合影像组学模型鉴别新型冠状病毒肺炎（COVID-19）和其他病毒性肺炎的临床价值。方法:回顾性分析2015年3月至2020年3月云南省15家医院实时逆转录聚合酶链反应检测为病毒性肺炎并接受胸部CT扫描的181例患者的临床和影像资料。根据患者的病毒类型分为COVID-19组（89例）和非COVID-19组（92例）；所有病例按7∶3的比例随机分层抽样分为训练集（126例）和测试集（55例）。从首诊平扫胸部CT图像中提取出肺炎征象和影像组学特征，分别建立独立预测模型和联合预测模型。通过受试者操作特征（ROC）曲线、连续净重新分类指数（NRI）校准曲线和决策曲线分析各种模型的诊断性能。结果:联合模型由3个重要的CT征象和14个筛选的影像组学特征构成。影像组学模型在训练集中鉴别诊断COVID-19组和非COVID-19组的ROC曲线下面积（AUC）为0.904，灵敏度为85.5%，特异度为84.4%，准确度为84.9%；在测试集中鉴别诊断COVID-19组和非COVID-19组的AUC为0.866，灵敏度为77.8%，特异度为78.6%，准确度为78.2%。联合模型在训练集中鉴别诊断COVID-19组和非COVID-19组的AUC为0.956，灵敏为91.9%，特异度为85.9%，准确度为88.9%；在测试集中鉴别诊断COVID-19组和非COVID-19组的AUC为0.943，灵敏度为88.9%，特异度为85.7%，准确度为87.3%。联合模型与影像组学模型鉴别诊断COVID-19组与非COVID-19组的AUC值在训练集中差异具有统计学意义（
Z=-2.43，
P=0.015），在测试集中差异无统计学意义（
Z=-1.73，
P=0.083），进一步采用连续NRI分析，结果显示训练集和测试集中联合模型较单独影像组学模型均具有正向改善能力（训练集：连续NRI为1.077，95%CI 0.783~1.370；测试集：连续NRI为1.421，95%CI 1.051~1.790）。校准曲线表明，训练集和测试集中，联合模型预测COVID-19的概率与观察值之间具有良好的一致性；决策曲线显示联合模型阈值概率0~0.75时，可获得大于0.6的净收益。
结论:基于胸部CT影像征象联合影像组学模型鉴别诊断COVID-19和其他病毒性肺炎具有较好的临床价值。

关键词：体层摄影术，X线计算机、诊断，鉴别、新型冠状病毒肺炎、肺炎，病毒性、影像组学

所属期刊栏目：56

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42