基于多相CT的德尔塔放射组学模型在预测膀胱癌术后复发风险中的应用进展

《BMC Medical Imaging》：Development of multiphasic CT-based delta-radiomics model for predicting postoperative recurrence risk in bladder cancer

　　

摘要

背景

本研究旨在构建基于CT的增量放射组学模型，用于个性化预测膀胱癌患者的术后预后，并识别与肿瘤复发相关的差异表达基因。

材料与方法

这项回顾性研究纳入了武汉联合医院316名膀胱癌患者，这些患者在手术切除前均接受了术前非增强扫描和动脉期CT检查。患者被随机分为训练组和内部验证组，比例为8:2。从两个CT阶段的肿瘤区域中提取放射组学特征，增量放射组学特征则为动脉期特征减去非增强期特征。在训练组中，通过统计筛选、相关性分析以及LASSO回归进行特征选择。研究了多种机器学习分类器，最终通过将增量放射组学评分与选定的临床预测因子相结合，构建出综合性的临床放射组学模型。该模型的性能通过ROC分析、校准分析、决策曲线分析、DeLong检验以及重复分层随机分割等方法进行评估。此外，还使用了另外33名患者的TCIA数据集进行探索性转录组分析。

结果

经过特征选择后，有9个来自配对的非增强期和动脉期CT图像的增量放射组学特征被保留下来用于模型构建。基于LightGBM的增量放射组学模型在训练组和验证组中的AUC值分别为0.837和0.822。而将增量放射组学Rad评分与肌肉侵犯这一临床预测因子结合而成的综合性临床放射组学模型则表现出最佳的区分能力，其在训练组和验证组中的AUC值分别为0.860和0.861，并且在100次重复分割中都保持了稳定的验证性能。较高的放射组学评分与更短的无复发生存期相关。探索性转录组分析显示，低风险放射组学亚组中免疫相关通路较为丰富。

结论

基于多期CT的增量放射组学为预测膀胱癌患者的术后复发及预后分层提供了一种无创方法。将增量放射组学与肌肉侵犯相结合的综合性临床放射组学模型具有更优异的预测性能，有望为个性化术后风险评估提供支持。