基于CT delta-radiomics的脊柱肿瘤手术输血和大出血风险预测模型构建与验证

推荐：本研究针对脊柱肿瘤手术中难以预判的术中输血(IBT)和大出血(IMB)风险，通过整合CT delta-radiomics特征与临床变量，构建了预测模型。结果显示，delta模型对IBT和IMB的预测效能显著优于临床模型（IDI=0.11-0.13和0.02-0.08），AUC达0.80-0.87，为术前精准血液管理提供了新工具。

　　

脊柱肿瘤手术常因解剖复杂和血供丰富导致严重出血，而传统评估方法如增强CT或DCE-MRI存在主观性强、骨伪影干扰等问题。过度输血可能引发感染、血栓等并发症，但术前缺乏精准预测工具。北京大学第三医院团队在《Cancer Imaging》发表研究，通过开发CT delta-radiomics模型，首次实现了脊柱肿瘤手术中输血和大出血风险的量化预测。

研究采用231例脊柱肿瘤患者的术前CT双期扫描数据，提取1688×3个影像组学特征，通过LASSO和机器学习（LR/RF/SVM）筛选特征构建模型。delta模型通过计算动脉期与平扫期特征相对变化（delta=(a-b)/b），捕捉肿瘤血流动力学异质性。结果显示，delta模型预测IBT的AUC达0.80（测试集），关键特征Delta_CT_lbp.3D.k_ngtdm_Coarseness（三维纹理粗糙度）反映肿瘤血管不规则性；对IMB的预测效能（AUC 0.82）显著优于临床模型（IDI提升0.02-0.08）。多因素分析证实肿瘤最大径（OR=1.04）和血小板计数（OR=0.99）是独立风险因素。

主要结果

1. IBT预测模型：delta模型包含12个特征（3个GLCM灰度共生矩阵特征+3个GLRLM灰度游程特征），测试集灵敏度0.41，特异性0.93。Nomogram可视化显示，当放射组学评分>4.2时输血风险骤增5倍。
2. IMB预测模型：10个delta特征中NGTDM（邻域灰度差异矩阵）占比最高，校准曲线Brier评分<0.25，预测误差<5%。
3. 技术验证：特征提取ICC>0.80，10折交叉验证确保稳定性；RF在训练集表现最优（AUC=1.0），但LR测试集泛化性最佳。

结论指出，delta-radiomics通过量化肿瘤灌注异质性，克服了传统影像主观性局限。该模型可指导术前备血策略，减少资源浪费（如避免2500mL以上出血的过度准备），并有望与术前栓塞等干预措施联动优化治疗方案。研究为肿瘤血供无创评估提供了新范式，未来需多中心验证模型普适性。