CT 影像组学特征联合术前肿瘤标志物在预测进展期非小细胞肺癌术后脑转移中的应用

摘要:

目的 探讨基于 CT 影像组学特征联合术前肿瘤标志物的预测模型在进展期非小细胞肺癌（NSCLC）术后脑转移中的预测效能。方法 回顾性纳入 2019 年 1 月至 2023 年 12 月期间在宁波市第二医院接受根治性手术且病理分期为ⅡB ～ⅢB 期（AJCC 第 8 版分期标准）的 NSCLC 患者 212 例。收集患者术前 CT 影像数据、病理资料、人口学特征、术前肿瘤标志物及随访信息。按 7∶3 比例将患者随机分配至训练组（148 例）和验证组（64 例）。应用计算机辅助半自动分割技术获取肿瘤感兴趣体积（VOI），提取多维度影像学定量参数，通过最小绝对值收缩选择算子（LASSO）回归进行特征降维筛选。基于筛选得到的影像组学特征和术前肿瘤标志物数据，分别构建单一影像组学预测模型和综合预测模型，并评估比较两种模型的预测效能。结果 两种预测模型均能有效预测NSCLC术后脑转移，影像组学模型在训练集中曲线下面积（AUC）为 0.93（95%CI：0.89 ～ 0.97），敏感度 78%，特异度 97%；在验证集中AUC为 0.82（95%CI：0.71 ～ 0.93），敏感度 61%，特异度 97%。影像组学联合肿瘤标志物模型在训练集中AUC为 0.94（95%CI：0.89 ～ 0.98），敏感度 90%，特异度 88%；在验证集中AUC为 0.84（95%CI：0.75～ 0.94），敏感度 73%，特异度 78%。结论 基于 CT 影像组学特征联合术前肿瘤标志物的预测模型对 NSCLC 术后脑转移具有良好的预测效能，其中联合模型表现更为优越，可为 NSCLC 进展期患者术后个体化治疗方案的制定及脑转移高风险患者的早期干预提供可靠的决策支持。

Abstract: