您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览109 | 下载76

目的:探讨基于增强CT的影像组学结合临床影像特征的列线图在预测局部晚期鼻咽癌(LA-NPC)患者诱导化疗(ICT)疗效中的价值.方法:回顾性分析2014年7月至2022年3月178例LA-NPC(Ⅲ、Ⅳ期)患者的临床及CT图像资料,以7:3随机将患者分为训练组(n=125)和测试组(n=53).采用3D-Slicer勾画容积感兴趣区(VOI)并用Pyradiomics包提取特征.使用单-多因素Logistic回归选择临床预测因子.采用最小绝对收缩与选择算法(LASSO)筛选组学特征,最后通过多变量Lo-gistic回归构建临床、影像组学及联合模型,并绘制列线图.以受试者工作特征曲线(ROC)的曲线下面积(AUC)评估和比较三种模型的预测效能.应用决策曲线(DCA)观察列线图的临床净获益.结果:Logistic回归分析结果显示T分期(OR=0.45,P=0.004)、癌灶强化程度(OR=2.706,P=0.038)、血小板/淋巴细胞比值(PLR)(OR=0.289,P=0.024)是ICT疗效的临床预测因子,基于以上3者构建临床模型.基于22个与ICT疗效显著相关的组学特征构建影像组学模型.ROC曲线分析结果显示,联合模型的预测效能最佳;训练组中,联合模型、临床模型、影像组学模型的AUC分别为0.821、0.732、0.798;验证组中,三者的AUC分别为0.836、0.793、0.779.DCA分析进一步表明,列线图模型对比单纯组学模型,其人群净获益率更高.结论:基于

作者:王卓;刘世莉;丁伟;周云舒;张若弟;张自新;陈志强

来源:放射学实践 2023 年 38卷 1期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:109 | 下载:76
作者:
王卓;刘世莉;丁伟;周云舒;张若弟;张自新;陈志强
来源:
放射学实践 2023 年 38卷 1期
标签:
鼻咽癌 影像组学 体层摄影术,X线计算机 诱导化疗 列线图
目的:探讨基于增强CT的影像组学结合临床影像特征的列线图在预测局部晚期鼻咽癌(LA-NPC)患者诱导化疗(ICT)疗效中的价值.方法:回顾性分析2014年7月至2022年3月178例LA-NPC(Ⅲ、Ⅳ期)患者的临床及CT图像资料,以7:3随机将患者分为训练组(n=125)和测试组(n=53).采用3D-Slicer勾画容积感兴趣区(VOI)并用Pyradiomics包提取特征.使用单-多因素Logistic回归选择临床预测因子.采用最小绝对收缩与选择算法(LASSO)筛选组学特征,最后通过多变量Lo-gistic回归构建临床、影像组学及联合模型,并绘制列线图.以受试者工作特征曲线(ROC)的曲线下面积(AUC)评估和比较三种模型的预测效能.应用决策曲线(DCA)观察列线图的临床净获益.结果:Logistic回归分析结果显示T分期(OR=0.45,P=0.004)、癌灶强化程度(OR=2.706,P=0.038)、血小板/淋巴细胞比值(PLR)(OR=0.289,P=0.024)是ICT疗效的临床预测因子,基于以上3者构建临床模型.基于22个与ICT疗效显著相关的组学特征构建影像组学模型.ROC曲线分析结果显示,联合模型的预测效能最佳;训练组中,联合模型、临床模型、影像组学模型的AUC分别为0.821、0.732、0.798;验证组中,三者的AUC分别为0.836、0.793、0.779.DCA分析进一步表明,列线图模型对比单纯组学模型,其人群净获益率更高.结论:基于