首页 > 文章详情

ESMO 2023 | 中国之声：广州医科大学附属第一医院放射科公布基于临床和放射学特征与基于放射组学特征的CT 图像比较肺结节恶性肿瘤预测模型

2023年10月22日

编译：肿瘤资讯

来源：肿瘤资讯

2023年欧洲肿瘤内科学会（ESMO）年会将于当地时间2023年10月20日~24日在西班牙马德里召开。作为全球最具权威性的肿瘤学学术会议之一，ESMO年会将公布肿瘤领域相关最新研究进展。
【肿瘤资讯】第一时间整理相关领域重磅研究摘要，以飨读者。今年ESMO会议上，广州医科大学附属第一医院放射科Fanrui Zeng公布基于临床和放射学特征与基于放射组学特征的CT 图像比较肺结节恶性肿瘤预测模型。

背景

目前，肺结节的早期诊断仍依赖于放射科医生对 CT 图像的阅读，这需要繁重的工作量和丰富的经验，而且带有一定的主观性。我们提出了一种基于放射组学的自动预测肺癌风险的方法。

方法

31个中心共登记了1,909 例经手术病理证实为 5-30 mm肺结节的 1,895 例患者（其中 1,181 例病理为恶性，728 例为良性），这些患者均提供了临床信息（性别、年龄）和胸部 CT 扫描结果。经验丰富的放射科医生提取了 25 个放射学特征。CT 图像上包含靶结节的感兴趣区（ROI）由三维 U-net 模型自动分割，并使用 PyRadiomics 提取了 2,153 个放射组学特征。根据 Randomforest、LightGBM 和 Lasso 算法的平均概率，在随机抽样训练集（n=950）中构建了基于临床和放射学特征的肺结节恶性肿瘤预测模型（CRFM）和基于放射组学特征的模型（RFM），并进行了独立验证（n1=397，n2=562）。同时，利用逻辑回归建立了一个综合上述两个模型得分的组合模型（n=397），并进行了独立验证（n=562）。

结果

在两个验证集（n1=397，n2=562）中，CRFM 模型的 AUC 分别为 0.912（0.882-0.942）和 0.893（0.864-0.921），准确率分别为 0.791（0.748-0.828）和 0.794（0758-0.825）。RFM 模型的 AUC 分别为 0.881（0.847-0.915）和 0.863（0.832-0.894），准确度分别为 0.781（0.738-0.819）和 0.778（0.741-0.810）。在两个验证队列中，AUCs 的差异均不显著（p>0.05），RFM 模型的性能不劣于 CRFM 模型。然而，在独立验证集（n=562）中，组合模型提高了诊断准确性，AUC 分别提高了 4.6%（与 RFM 相比，p＜0.001）和 1.6%（与 CRFM 相比，p=0.0196）。

结论

基于放射组学特征的肺结节早期诊断模型并不比基于临床和放射学特征的模型逊色，在没有经验丰富的放射科医生进行 CT 扫描判读的情况下具有潜在的应用价值。

参考文献

F. Zeng, et al. Comparison of clinical and radiological features-based and radiomics features-based models for pulmonary nodule malignancy prediction on CT images. 2023 ESMO abstr 1210MO

责任编辑：云初
排版编辑：云初