基于CT的影像組學在肝細胞癌病理分級及肝切除術(shù)預后預測的應用研究.pdf

1、目的：
　　探索基于增強CT的影像組學預測肝細胞癌Edmondson-Steiner病理分級，以及預測單發(fā)肝細胞癌患者肝切除術(shù)后的預后的價值。
　　方法：
　　1.回顧性收集并納入385例肝細胞癌患者，按檢查時間及比例分為訓練組及測試組，在門脈期CT圖像中腫瘤部分中提取17個一階統(tǒng)計特征、22個GLCM（灰度共生矩陣）特征、14個GLRLM（灰度行程長度矩陣）特征及8個形態(tài)特征，每種特征分別不做平滑、3種高斯平滑，以及

2、分別不做濾波、7種差分濾波、10種Gabor濾波。將訓練組的影像組學特征經(jīng)mRMR（最大相關最小冗余）的特征選擇算法進行篩選，通過基于AIC的后退法建立建立影像組學標簽，將標簽應用于測試組。采用ROC（受試者診斷特征曲線）評估模型的預測效能，在訓練組及測試組中生成ROC曲線，在ROC曲線上的陽性似然比最大處確定界值，并計算敏感性和特異性、AUC（ROC曲線下面積）和區(qū)分病理分級的準確度。以Logistic回歸分析方法分析影像組學標簽及臨

3、床參數(shù)與病理分級的關系。
　　2.在肝細胞癌病例中納入61例單發(fā)病灶且行肝切除術(shù)治療、規(guī)律隨訪的患者。通過拉普拉斯高斯濾波器、GLCM、Gabor轉(zhuǎn)換、Wavelet轉(zhuǎn)換方法提取增強掃描動脈期及門脈期CT圖像中腫瘤部分的影像組學特征及肝動脈期和門靜脈期紋理之間的差異(Dif)。使用ROC篩選特征參數(shù)并獲得最佳界值。納入具有ROC的統(tǒng)計顯著性的參數(shù)及通過單變量回歸篩選出p＜0.10的臨床變量，通過Cox比例風險模型對OS（總生存期）

4、進行多變量回歸分析。使用AIC（Akaike信息標準）來確定預測OS的最佳模型。根據(jù)多變量回歸分析確定的重要因素將患者分為兩組，使用Kaplan-Meier方法獲得OS和DFS（無病生存期）的生存曲線，并進行對數(shù)秩檢驗以比較差異。
　　結(jié)果：
　　基于門脈期CT影像組學建立的肝細胞癌Edmondson-Steiner病理分級預測模型由篩選出的八個特征組成：Rad Score=1.009-0.5107×orig_orig_fo

5、s_median+0.3362×g.075_gab.20.1_GLCM_homogeneity2+0.3719×g.075_gab.15.2_GLRLM_LRLGLE-0.5798×Compactness2-0.2858×orig_diff.4_fos_krutosis+0.3261×g.100_gab.10.1_GLCM homogeneity2+0.6769×g.075_lap.cut2_GLCM_IDN-0.3208×g.075_

6、gab.15.2_GLCM_IMC2
　　該影像組學標簽對肝細胞癌Edmondson-SteinerⅠ-Ⅱ級及Ⅲ-Ⅳ級的區(qū)分有統(tǒng)計學意義(p＜0.0001)，訓練組檢測效能AUC值為0.766(95％CI：0.824～0.707)，敏感性0.667，特異性0.753;測試組AUC值為0.673(95％CI：0.775～0.571)，敏感性0.674，特異性0.683。甲胎蛋白等臨床參數(shù)與病理分級無統(tǒng)計學相關性。2.ROC和Cox回

7、歸分析篩選出的預測單發(fā)肝細胞癌患者肝切除術(shù)后預后的影像組學特征參數(shù)中，濾波器參數(shù)為1.0(filter1.0)的影像組學特征實現(xiàn)了最佳性能，其中Dif.Scale1.2是OS的優(yōu)質(zhì)獨立預測因素(p=0.05)。Kaplan-Meier分析進一步證明在filter0的Dif.Scale2.2(p=0.001)，filter1.0的Dif.Scale1.2(p=0.006)，Dif.Scale3.2(p=0.005)，filter1.5的D

8、if.Wavelet8(p＜0.001)與OS相關。在filter0的Dif.Scale2.2(p=0.039),filter1.0的Dif.Scale1.2(p=0.001)和filter1.5的Dif.Wavelet8(p=0.007)與DFS相關。而巴塞羅那肝癌分期(BCLC)(p=0.057)等臨床參數(shù)與OS沒有統(tǒng)計學相關性。
　　結(jié)論：
　　建立基于門脈期CT影像組學標簽可用于預測肝細胞癌為Edmondson-St