肺磨玻璃结节血管结构影像组学：浸润性预测新指标

为提升肺腺癌（以磨玻璃结节 GGNs 为表现）的早期检出率，需改进结节特征评估。研究人员开展 GGNs 血管结构影像组学特征预测其浸润性的研究，发现含血管影像组学模型性能更优，有助临床决策。

　　肺癌全球发病率凸显了改进结节特征评估以加强磨玻璃结节（GGNs）型肺腺癌早期检测的必要性。本研究探究 GGNs 内血管结构的影像组学特征对预测其浸润性的适用性。
回顾性分析 165 个经病理证实的肺 GGNs，将结节分为浸润前组和浸润组，并按 7:3 比例随机分为训练集和验证集。构建并评估了四个模型：radiomics-GGN、radiomics-vascular、clinical-radiomics-GGN 和 clinical-radiomics-vascular。采用受试者工作特征曲线、决策曲线分析、校准曲线和 DeLong 检验评估这些模型的预测性能。
浸润前组和浸润组在年龄、结节长径、平均直径、形态、分叶征（P=0.006、0.038、0.046、0.049、0.002 和 0.008）及密度方面存在显著差异。在 radiomics-GGN 模型中，支持向量机（SVM）方法优于逻辑回归（LR），训练集曲线下面积（AUC）为 0.958，验证集为 0.763。同样，在 radiomics-vascular 模型中，SVM 方法优于 LR。此外，clinical-radiomics-vascular 模型的预测性能优于 clinical-radiomics-GGN 模型，训练集 AUC 为 0.918，验证集为 0.864。DeLong 检验表明，在训练集和验证集中，clinical-radiomics-vascular 模型与 clinical-radiomics-GGN 模型在预测肺结节浸润性方面存在显著差异（P<0.01）。
基于 GGNs 内部血管结构的影像组学模型优于仅基于 GGNs 的模型，表明纳入血管影像组学分析可改善 GGN 浸润性的无创评估，从而辅助临床决策，指导活检选择和治疗计划。