目的探究基于高分辨MRI形态学特征及原发肿瘤影像组学所建立的联合模型预测T1~2期直肠癌淋巴结转移的价值。方法回顾性分析119例术前经3.0 T MRI检查且手术病理证实为T1~2期直肠癌患者的临床及影像资料,所有病例按7∶3的比例随机分为训...目的探究基于高分辨MRI形态学特征及原发肿瘤影像组学所建立的联合模型预测T1~2期直肠癌淋巴结转移的价值。方法回顾性分析119例术前经3.0 T MRI检查且手术病理证实为T1~2期直肠癌患者的临床及影像资料,所有病例按7∶3的比例随机分为训练集和测试集。通过单因素和多因素Logistic回归分析建立MRI形态学特征模型、影像组学模型以及MRI形态学-影像组学联合模型。采用受试者工作特征(ROC)曲线下面积(AUC)比较三组预测模型的效能。采用自助重抽样法(Bootstrap)重复抽样1000次进行内部验证,从而评估模型的稳定性。最后,选取最优模型创建用于临床应用的列线图,以校准曲线分析评估模型的校准度,采用决策曲线分析(DCA)评估模型的临床价值。结果联合模型具有最高的预测效能,在训练集(AUC=0.888,95%CI:0.824~0.943)和测试集(AUC=0.862,95%CI:0.723~0.972)中的AUC值均最高。联合模型在重抽样内部验证集中的AUC值为(AUC=0.874,95%CI:0.751~0.996)。DCA表明,联合模型的净效益在训练集和测试集中均比其他两种模型更高。结论高分辨MRI形态学-影像组学联合模型在预测T_(1~2)期直肠癌淋巴结转移方面具有较高的诊断效能,可为个性化临床治疗提供帮助。展开更多
文摘目的探究基于高分辨MRI形态学特征及原发肿瘤影像组学所建立的联合模型预测T1~2期直肠癌淋巴结转移的价值。方法回顾性分析119例术前经3.0 T MRI检查且手术病理证实为T1~2期直肠癌患者的临床及影像资料,所有病例按7∶3的比例随机分为训练集和测试集。通过单因素和多因素Logistic回归分析建立MRI形态学特征模型、影像组学模型以及MRI形态学-影像组学联合模型。采用受试者工作特征(ROC)曲线下面积(AUC)比较三组预测模型的效能。采用自助重抽样法(Bootstrap)重复抽样1000次进行内部验证,从而评估模型的稳定性。最后,选取最优模型创建用于临床应用的列线图,以校准曲线分析评估模型的校准度,采用决策曲线分析(DCA)评估模型的临床价值。结果联合模型具有最高的预测效能,在训练集(AUC=0.888,95%CI:0.824~0.943)和测试集(AUC=0.862,95%CI:0.723~0.972)中的AUC值均最高。联合模型在重抽样内部验证集中的AUC值为(AUC=0.874,95%CI:0.751~0.996)。DCA表明,联合模型的净效益在训练集和测试集中均比其他两种模型更高。结论高分辨MRI形态学-影像组学联合模型在预测T_(1~2)期直肠癌淋巴结转移方面具有较高的诊断效能,可为个性化临床治疗提供帮助。
