10.3760/cma.j.cn321828-202111119-00408
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
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。
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
43
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
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
257-262