摘要
摘要目的探讨基于CT检查影像组学在术前鉴别诊断胰腺浆液性囊腺瘤（SCA）和黏液性囊腺瘤（MCA）中的临床价值。方法采用回顾性病例对照研究方法。收集2012年1月至2019年12月浙江大学医学院附属第一医院收治的154例胰腺囊性肿瘤病人的临床病理和影像资料；男24例，女130例；年龄为（50±13）岁。154例病人中，99例为SCA，55例为MCA。154例病人术前均行胰腺CT平扫联合增强扫描检查。收集所有病人临床特征、影像特征、影像组学特征，构建临床特征模型、影像特征模型、影像组学模型和融合模型。绘制各个模型的受试者工作特征（ROC）曲线，并以曲线下面积（AUC）、准确度、灵敏度、特异度、阳性预测值和阴性预测值等指标评价构建模型。基于最优模型，构建列线图。观察指标：（1）临床特征模型建立及验证。（2）影像特征模型建立及验证。（3）影像组学模型建立及验证。（4）融合模型建立及验证。（5）融合模型的列线图。正态分布的计量资料以x±s表示，组间比较采用Mann-Whitney U检验。计数资料以绝对数和（或）百分比表示，组间比较采用χ²检验和Fisher确切概率法。结果（1）临床特征模型建立及验证：通过多元逻辑线性回归分析，筛选出年龄、临床症状、术前血清CA19-9 3个临床特征用于构建临床特征模型，多元逻辑线性回归结果以公式①表示：临床模型得分=0.635-0.007×年龄+0.054×临床症状+0.108×术前血清CA19-9。绘制临床特征模型测试集ROC曲线。临床特征模型训练集和测试集的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.611（95%可信区间为0.488~0.734，P<0.05）和0.771（95%可信区间为0.624~0.919，P<0.05）、56.6%和77.8%、66.7%和63.1%、56.3%和88.5%、41.5%和80.1%、78.4%和76.7%。（2）影像特征模型建立及验证：通过多元逻辑线性回归分析，筛选出肿瘤位置、肿瘤数目、肿瘤横断面最大径、肿瘤分叶、肿瘤多囊（≥6个）5个影像特征用于构建影像特征模型，多元逻辑线性回归结果以公式②表示：影像特征模型得分=-0.034+0.300×肿瘤位置+0.202×肿瘤数目+0.014×肿瘤横断面最大径-0.251×肿瘤分叶-0.170×肿瘤多囊（≥6个）。绘制影像特征模型测试集ROC曲线。影像特征模型训练集和测试集的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.862（95%可信区间为0.791~0.932，P<0.05）和0.853（95%可信区为0.713~0.994，P<0.05）、78.8%和88.9%、81.8%和89.4%、77.5%和88.5%、62.8%和85.0%、90.2%和92.0%。（3）影像组学模型建立及验证：本研究在154例胰腺囊性肿瘤病人中共提取4类1 067个影像组学特征，其中一阶直方图统计特征7个、纹理特征53个、小波特征848个、局部二值模式特征159个。在组内相关系数>0.9的条件下，共保留896个稳定性较好的影像组学特征用于构建模型。经过方差阈值与相关系数阈值筛选后，保留350个影像组学特征。为获得深层次的影像组学特征，在原特征基础上构建50个合成影像组学特征，总特征数为400个。采用五折递归特征消除后，最终筛选出22个影像组学特征，包括13个小波特征，7个合成影像组学特征和2个局部二值模式特征。采用支持向量机算法构建影像组学模型，模型惩罚系数“C”=35.938，模型参数“γ”=0.077，核函数为“径向基函数核”。绘制影像组学模型五折交叉验证的ROC曲线。影像组学模型的平均AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.870（P<0.05）、83.1%、81.8%、83.8%、73.8%、89.2%。（4）融合模型建立及验证：选取影像特征的肿瘤位置、肿瘤分叶和影像组学得分构建融合模型。融合模型的多元逻辑线性回归结果以公式③表示：融合模型得分=-0.154+0.218×肿瘤位置-0.223×肿瘤分叶+0.621×影像组学得分。绘制融合模型测试集ROC曲线。融合模型训练集和测试集的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.893（95%可信区间为0.828~0.958，P<0.05）和0.966（95%可信区间为0.921~0.999，P<0.05）、83.7%和91.1%、81.8%和84.2%、84.5%和96.2%、71.1%和94.1%、90.9%和89.3%。（5）融合模型的列线图：绘制融合模型的列线图，模型约登指数为0.416。结论基于术前CT检查影像组学标签和影像特征的预测模型可鉴别诊断胰腺SCA和MCA。
出版日期
2021年06月15日（中国期刊网平台首次上网日期，不代表论文的发表时间）
