PET影像组学特征多参数模型对≥60岁弥漫性大B细胞淋巴瘤患者生存预后的预测价值

摘要：

目的:探讨基于机器学习的
18F－FDG PET影像组学特征对≥60岁弥漫性大B细胞淋巴瘤(DLBCL)患者的预后评估价值。
方法:回顾性分析2011年3月至2019年11月166例未经治疗的DLBCL患者(年龄≥60岁)的
18F－FDG PET/CT资料，其中男88例、女78例，年龄60~93岁；训练组115例，验证组51例。对患者PET图像进行病灶勾画及影像组学特征提取，运用3种机器学习方法[最小绝对收缩和选择算子(LASSO)、随机森林(RF)和极端梯度提升(Xgboost)]筛选特征，采用支持向量机(SVM)对特征进行分类并生成影像组学标签(RS)，对患者总生存(OS)进行预测。根据Cox比例风险回归模型构建多参数模型，并通过一致性指数(C－index)进行评估。
结果:共提取1 421种影像组学特征，筛选出10个预测效能强的特征并生成RS。单因素Cox回归分析示，RS[风险比(
HR)＝5.685, 95%
CI: 2.955~10.939；
P<0.001]是OS的危险因素。构建出包含RS、代谢特征及临床风险因素的多参数模型，其较临床模型、基于PET模型及美国国家综合癌症网络国际预后指数(NCCN－IPI)在预测OS上具有更高的效能(训练组C－index：0.752、0.737、0.739、0.688；验证组C－index：0.845、0.798、0.844、0.775)。
结论:基于机器学习
18F－FDG PET影像组学特征的RS是≥60岁DLBCL患者生存预后的预测因素。构建的包含影像组学特征的多参数模型能较好地预测患者预后。

关键词：淋巴瘤，大B细胞，弥漫性、老年人、预后、预测、正电子发射断层显像术、氟脱氧葡萄糖F18、影像组学

所属期刊栏目：43

资助基金：南京大学医学院附属鼓楼医院临床研究基金2021－LCYJ－MS－04;Clinical Trials Foundation of the Affiliated Drum Tower Hospital, Medicial School of Nanjing University2021-LCYJ-MS-04

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6页

页码：257-262