利用治疗前增强CT影像组学预测儿童淋巴瘤对化疗的反应：一项假设生成研究

《Abdominal Radiology》：Predicting chemotherapy response in pediatric lymphoma using pre-treatment contrast-enhanced CT radiomics: A hypothesis-generating study

基线CECT放射组学特征通过SMOTE优化和逻辑回归模型，在儿童淋巴瘤化疗响应预测中表现良好，训练集AUC达0.883，测试集AUC为0.809，验证了影像组学在疗效评估中的潜力。

　　

摘要

目的

初步评估基线增强CT（CECT）放射组学在评估儿童淋巴瘤化疗反应方面的预测价值。

方法

这项回顾性研究纳入了92名患有淋巴瘤的儿童患者（72名男性，20名女性）。根据治疗结果，患者被分为响应者（n = 74）和非响应者（n = 18）。研究队列被随机分为训练集（n = 65，70%）和测试集（n = 27，30%）。从目标病变的静脉期基线CECT图像中提取了总共960个放射组学特征。进行了特征选择，并使用合成少数类过采样技术（SMOTE）开发了一个逻辑回归模型用于反应分类。为了评估模型的稳健性，整个放射组学流程在10个独立的随机训练-测试分割中进行了重复。模型性能通过接收者操作特征（ROC）曲线分析进行评估，报告了ROC曲线下面积（AUC）、95%置信区间（CI）和准确率。

结果

最终模型选择了8个放射组学特征，包括4个经过滤波变换的一阶特征和4个经过滤波变换的纹理特征。SMOTE模型在训练集中的AUC为0.883（95% CI：0.799–0.967），准确率为0.800。在测试集中，SMOTE模型的AUC为0.809（95% CI：0.606–1.000），准确率为0.741。在重复验证中，SMOTE模型在10个分割中的平均AUC分别为0.915（训练集）和0.767（测试集）。

结论

这项基于假设的研究表明，基线CECT放射组学在预测儿童淋巴瘤化疗反应方面具有潜力。