目的:建立预测胰腺癌分化程度的临床-影像组学模型,并在独立队列中进行验证。方法:收集56例经病理学检查确诊为胰腺癌的患者。基于MaZda将整个病灶作为感兴趣区(region of interest,ROI),采用软件自带的3种提取方式提取共计30个影像组...目的:建立预测胰腺癌分化程度的临床-影像组学模型,并在独立队列中进行验证。方法:收集56例经病理学检查确诊为胰腺癌的患者。基于MaZda将整个病灶作为感兴趣区(region of interest,ROI),采用软件自带的3种提取方式提取共计30个影像组学特征,并去除重复的特征。然后对影像组学特征进行检测,剔除高共线性特征。依据正态性检验,分别行独立样本t检验和Mann-Whitney U检验。再联合临床指标糖类抗原(carbohydrate antigen,CA)19-9,构建临床-影像组学预测模型。结果:特征Teta2和S(1,0)Entropy在高、中低分化组胰腺癌中存在显著差异,曲线下面积(area under curve,AUC)分别为0.68和0.70。两者联合得到的AUC为0.74。联合肿瘤标志物CA19-9建立的临床-影像组学模型的AUC为0.82,该临床-影像组学模型在验证组中同样获得了较好的诊断效力(AUC为0.78)。结论:联合影像组学特征和临床指标构建的临床-影像组学预测模型可辅助评判胰腺癌分化程度。展开更多
文摘目的:建立预测胰腺癌分化程度的临床-影像组学模型,并在独立队列中进行验证。方法:收集56例经病理学检查确诊为胰腺癌的患者。基于MaZda将整个病灶作为感兴趣区(region of interest,ROI),采用软件自带的3种提取方式提取共计30个影像组学特征,并去除重复的特征。然后对影像组学特征进行检测,剔除高共线性特征。依据正态性检验,分别行独立样本t检验和Mann-Whitney U检验。再联合临床指标糖类抗原(carbohydrate antigen,CA)19-9,构建临床-影像组学预测模型。结果:特征Teta2和S(1,0)Entropy在高、中低分化组胰腺癌中存在显著差异,曲线下面积(area under curve,AUC)分别为0.68和0.70。两者联合得到的AUC为0.74。联合肿瘤标志物CA19-9建立的临床-影像组学模型的AUC为0.82,该临床-影像组学模型在验证组中同样获得了较好的诊断效力(AUC为0.78)。结论:联合影像组学特征和临床指标构建的临床-影像组学预测模型可辅助评判胰腺癌分化程度。
