目的 探讨基于增强CT影像组学特征建立的条件推理树模型鉴别常见病理亚型肾细胞癌(RCC)的价值.资料与方法 回顾性分析经病理学检查证实且具有完整CT增强图像的120枚RCC病灶,其中肾透明细胞癌(CCRCC)60枚、肾嫌色细胞癌(CRCC)27枚、乳头状肾细胞癌(PRCC)33枚.利用ITK-Snap软件在皮髓期病灶最大层面轴位图像勾画感兴趣区.利用A.K.软件提取感兴趣区处的影像组学特征.将病灶随机分为训练组和验证组(约7:3).通过Pearson相关分析及随机森林函数进行特征筛选.利用所选特征建立条件推理树模型"ctree".使用验证组受试者工作特征曲线评价模型的鉴别诊断能力.结果 每枚病灶提取396项组学特征,过滤筛选后获得32项特征用于建立条件推理树模型.模型所得CCRCC、CRCC、PRCC组的ROC曲线下面积分别为0.87、0.70、0.89,敏感度分别为79.2％、60.0％、69.2％,特异度分别为91.3％、81.1％、88.2％.结论 基于增强CT影像组学特征建立和验证的条件推理树模型在鉴别3种常见的病理亚型RCC时具有较高的临床价值.
作者：鲍远照；程琦；葛亚琼；严立；张龙龙；韦炜
来源：中国医学影像学杂志 2020 年 28卷 7期
