解剖学报

作者：楼金金,王和平,黄燕燕,李春燕,续力云

单位：1.温州医科大学附属舟山医院细胞分子生物实验室; 2.舟山医院影像科，浙江 舟山 316000

关键词：浸润性肺腺癌, 影像组学, 肺结节, 计算机断层扫描, 人

目的 构建一种基于CT影像组学的早期浸润性肺腺癌（ILAC）高级别病理成分的预测模型。 方法： 收集2015年1月~2019年12月舟山医院胸心外科行肺癌根治术且术后病理诊断为Ⅰ期的共495例患者信息，包括性别、年龄、病理结果、肿瘤标志物和术前胸部CT影像等资料。将术后病理中的微乳头和实性成分定义为“高级别病理成分”，而不含高级别病理成分者归为低级别组，含高级别病理成分者归为高级别组。使用简单随机分组方法将纳入病例按7∶3比例随机分为训练集343例与验证集152例。通过科研平台对CT图像上结节的感兴趣区域进行逐层勾画并提取1950个影像组学特征。经F检验、Pearson相关系数和基于L1的特征选择等方法进行特征筛选，运用逻辑回归机器学习分类器构建模型，命名为模型2（mod 2），并计算获得影像组学评分（Radscore）。将一般信息和CT特征进行差异分析，将具有统计学意义的指标采用二元Logistic回归分析构建模型，命名为模型1（mod 1）。同时加入Radscore构建模型，命名为联合模型（comb mod）。计算三种模型的曲线下面积（AUC)、敏感性和特异性，绘制列线图。结果 共收集495例，其中训练集343例，验证集152例。性别、癌胚抗原、结节性质、病灶最大径等指标参与构建mod 1。影像组学特征中筛选获得12个特征用于建立mod 2。而comb mod表现最佳（训练集AUC：0.887，验证集AUC：0.875），且具有较好的临床实用性。结论 将一般CT特征和影像组学特征相结合所构建的模型，能较准确地预测早期ILAC中的高级别病理成分，为临床医生对患者手术方式的选择提供参考依据。：

来源：2025年第5期

《解剖学报》期刊编辑部

查看解剖学报杂志2025年第5期