基于转移性颈淋巴结CECT影像组学联合临床变量预测N2–N3M0鼻咽癌完全缓解的研究

《BMC Medical Imaging》：Integrating radiomic features and clinical variables from cervical lymph node CT to predict treatment response in advanced-stage nasopharyngeal carcinoma

　　**摘要****目的**基于转移性颈淋巴结（CLNs）的治疗前增强CT（CECT）图像，开发一个联合影像组学和临床的预测模型，用于预测N2–N3M0鼻咽癌（NPC）患者的完全缓解（CR）与非完全缓解。**方法**本研究为回顾性研究，纳入493例N2–N3M0鼻咽癌患者，按治疗反应分层，分为开发队列（n=345）和独立验证队列（n=148）。从治疗前CECT图像中人工勾画的转移性颈淋巴结提取影像组学特征。临床模型采用岭逻辑回归构建。经过可重复性评估和基于最小绝对收缩与选择算子（LASSO）的特征选择后，比较了六种影像组学分类器。联合模型通过逻辑堆叠整合临床和影像组学预测结果。模型开发和超参数调整采用嵌套分层五折交叉验证进行。性能评估采用受试者工作特征曲线下面积（AUC）、Bootstrap置信区间和DeLong检验。**结果**基于开发集嵌套折外AUC，选择了高斯朴素贝叶斯作为影像组学分类器。在独立验证队列中，临床模型、影像组学模型和联合模型的AUC分别为0.695（95%置信区间[CI]，0.612–0.776）、0.805（95% CI，0.733–0.873）和0.806（95% CI，0.729–0.872）。影像组学模型和联合模型的预测效果均优于临床模型（Holm校正后p=0.027和0.018），但联合模型未优于影像组学模型（p=0.831）。**结论**治疗前转移性颈淋巴结的CECT影像组学对CR与非CR的区分能力优于单纯临床变量。联合临床和影像组学预测结果相对于单纯影像组学模型无实质性改善，需进一步外部验证。