基于CT影像组学数据构建的综合模型预测乳腺癌新辅助化疗疗效价值的研究

摘要

目的建立并验证基于CT影像组学的综合模型预测乳腺癌新辅助化疗(NAC)疗效的价值。方法回顾性分析2017年1—12月109例于我院行NAC并具有MP病理分级结果的乳腺癌患者,根据CT检查时间分为训练集77例(检查时间:2017年1—9月)和验证集32例(检查时间:2017年10—12月)。采用ITK-SNAP软件勾画肿瘤三维感兴趣区(ROI)并提取影像组学特征,采用mRMR算法和LASSO回归进行最佳影像组学特征选择并构建影像组学模型,并计算每位患者的影像组学得分。再通过多元Logistic回归分析分别构建临床特征模型与联合影像组学得分和临床特征的综合模型,并绘制列线图。采用校正曲线评估模型的拟合度。通过ROC曲线评价各模型预测乳腺癌NAC疗效的效能,并通过Delong检验比较临床特征模型与综合模型预测效能是否具有统计学差异。最后再通过决策曲线评价综合模型预测乳腺癌NAC疗效的净获益。结果共提取1409个影像组学特征,最终得到12个最佳的影像组学特征。影像组学特征对预测乳腺癌NAC疗效具有较好的效能,其训练集和验证集的ROC曲线下面积(AUC)分别为0.83和0.76,联合临床特征和影像组学得分构建的综合模型在训练集和验证集中预测NAC疗效的AUC分别为0.88和0.78。Delong检验结果表明在训练集和验证集中,临床特征模型与综合模型预测效能具有统计学差异(训练集Z=2.922,P<0.05;验证集Z=2.318,P<0.05)。决策曲线表明基于CT影像组学的综合模型预测乳腺癌NAC疗效较临床模型具有较高的净获益。结论基于CT影像组学的综合模型对乳腺癌NAC疗效具有较高的预测价值,有助于指导乳腺癌患者个体化诊疗。