基于肺癌自身抗体联合影像组学的肺结节早期定性诊断初步研究

• 作 者: 张晓辉
• 机 构: 宁波大学
• 出 处: 宁波大学
• 发表日期: 2019年8期
• 关键词: 肺结节

目的：构建基于肺癌自身抗体（AABs）联合影像组学的肺结节早期定性诊断模型，并验证该模型对提高肺癌早期定性诊断准确率的有效性。
　　方法：回顾性收集2017年11月至2018年04月期间肺结节患者共155例。经病理证实，其中恶性者127例，良性者28例，按7∶3的比例分为训练集（n=108）和验证集（n=47）。采用手动分割方法对肺结节CT扫描的肺窗影像进行分割，并从中提取影像组学特征，采用LASSO回归分析方法（Least absolute shrinkage and selection operator,LASSO）进行特征筛选，构建影像组学标签。而后，分别构建基于影像组学的肺结节早期定性诊断模型（R-Model）；采用广义线性分析方法构建基于AABs和临床特征的肺结节早期定性诊断模型（A-C-Model）；通过结合影像组学标签、AABs指标及临床风险因子，采用多变量logistic回归方法构建复合预测模型（R-A-Model及R-A-C-Model）。比较各模型性能的优劣，通过Delong测试确定不同模型ROC曲线之间是否存在统计学差异。最终选择最优模型并以诺模图的形式将判断过程可视化。
　　结果：从肺结节CT影像中共提取到485个特征，并筛选出7个关键特征用于构建影像组学标签。R-Model训练集上的AUC为0.848，敏感性为84.2%，特异性为70.2%；验证集上的AUC为0.859，敏感性为86.8%，特异性为87.5%。A-C-Model训练集上的AUC为0.761，敏感性为59.6%，特异性为84.2%；验证集上的AUC为0.751，敏感性为86.8%，特异性为66.7%。R-A-Model训练集上的AUC为0.879，敏感性为78.7%，特异性为80.1%；验证集上的AUC为0.878，敏感性为78.9%，特异性为87.5%。R-A-C-Model训练集上的AUC为0.906，敏感性为87.7%，特异性为78.9%；验证集上的AUC为0.909，敏感性为78.4%，特异性为100.0%。Delong测试显示，在训练集上，R-Model和R-A-Mode的ROC曲线之间存在显著性差异（p=0.004），R-A-Model和R-A-C-Model之间则无显著性差异（p=0.171）；而在验证集上，R-Model和R-A-Mode之间及R-A-C-Model和R-A-C-Model之间，均不存在显著性差异（p=0.867；p=0.134）。
　　结论：R-A-Model较两R-Model及A-C-Model，其AUC、敏感性、特异性均有所提升，而在整合临床风险因子后，R-A-C-Model的诊断效能有了进一步的改善，有助于提高肺癌早期诊断的准确性，为临床治疗决策提供依据。