目的 探讨基于CT深度学习构建的模型在预测局部进展期胃癌患者术后预后中的价值方法回顾性搜集200例(训练组134例,验证组66例)术后病理确诊为局部进展期胃癌患者的术前CT增强图像和临床资料.在门静脉期CT图像肿瘤最大层面提取深度学习特征,用LASSO Cox回归方法选择特征并构建标签,然后通过多因素Cox回归模型融合标签和临床病理信息构建预测模型,并用诺莫图对模型可视化.采用区分度、校准度和临床决策曲线等评价模型的预测效能.结果 最终筛选出10个深度学习特征构建了深度学习标签,标签在训练组和验证组中均与总体生存时间显著相关(P＜0.001和P=0.010).融合深度学习标签和肿瘤TNM分期构建的预测模型在训练组[C-index(95％ CI)=0.776(0.718 ～0.833)]和验证组[C-index(95％ CI) =0.797(0.680～0.914)]均有较好的区分度和校准度.决策曲线分析表明预测模型有较好的临床实用性.结论 基于术前CT图像的深度学习模型可个体化预测局部进展期胃癌患者术后预后,有望辅助临床治疗决策.
作者：陈鑫；张国琴；阮秀杭；魏新华
来源：临床放射学杂志 2020 年 39卷 7期
