基于CT的影像组学在肾透明细胞癌与非透明细胞癌鉴别中的应用

摘要:

目的 探讨基于增强CT的影像组学方法在肾透明细胞癌和非透明细胞癌中的鉴别诊断价值。方法 收集2020年10月至2025年4月期间嘉兴市第二医院、嘉兴市第一医院收治的经病理证实的肾细胞癌患者的临床影像资料。预处理并利用Borderline-SMOTE解决分类不平衡问题后，采用基于极端梯度增强树（XGB）、随机森林（RF）、支持向量机（SVM）和Logistic回归（LR）的机器学习算法预测肾肿瘤亚型。采用受试者工作特征曲线（ROC）评价模型性能。并将影像组学模型与放射科医生的诊断结果进行比较。结果 训练队列包括169例患者（143例透明细胞肾细胞癌，26例非透明细胞癌），测试队列129例患者（97例透明细胞癌，32例非透明细胞癌）。在训练集中，采用RF、SVM和LR分类器建模，显示相较于单期相模型，联合模型曲线下面积（AUC）最高；采用XGB建模，静脉期（VP）模型及联合模型的AUC均较高，分别为0.985（95%CI：0.939～0.987）、0.980（95%CI：0.966～0.991）。在外部验证集中，联合模型明显优于单期相的预测模型，其中XGB联合模型的AUC最高（0.965，95%CI：0.919～0.994），准确度、灵敏度以及特异度分别为0.907、0.815、0.949。影像组学诊断结果优于放射科医生。结论 基于增强CT影像组学模型有助于区分肾透明细胞癌和非透明细胞癌。

Abstract: