卢洲, 张思维, 王泽楷, 杨晓, 吴振东, 胡曙东, 孙宗琼
临床放射学杂志. 2025, 44(3): 472-478.
目的 探讨基于碘密度图瘤内及瘤周放射组学特征联合临床特征、肿瘤能谱CT定量参数的列线图术前预测胃癌周围神经侵犯(PNI)的价值。方法 回顾性搜集经胃镜证实为胃腺癌并行手术切除的190例患者,根据术后病理分为PNI阳性组(124例)和PNI阴性组(66例)。于术前1周内行能谱CT增强动脉期(AP)和静脉期(VP)扫描。基于能谱CT图测量胃癌病灶的能谱参数,包括Z有效原子序数(Z-Eff)、碘密度(IoD)、标准化碘密度(NIoD)、能谱曲线斜率(λ)。采用3D Slicer包在静脉期IoD(IoDVP)图上勾画感兴趣区(ROI),使用Pyradiomics包提取瘤内及瘤周ROI的放射组学特征,按照7∶3的比例将数据随机分为训练集(133例)和验证集(57例)。采用组内相关系数(ICC)、最大相关最小冗余(MRMR)以及最小绝对收缩和选择算子(LASSO)算法进行特征筛选,通过Logistic回归构建每例患者的瘤内、瘤周及瘤内+瘤周放射组学标签(Radscore)。搜集患者临床病理信息,包括患者性别、年龄、CT-T分期、CT-N分期、肿瘤最长径、Borrmann分型、Lauren 分型等。采用独立样本t检验或Mann-Whitney U检验比较两组间计量资料的差异,采用χ2检验或 Fisher确切概率法比较分类资料的差异。采用多因素Logistic回归分析筛选胃癌PNI的独立危险因素,并建立联合预测模型,用列线图呈现。采用受试者操作特征曲线评估各参数或模型的预测效能,曲线下面积(AUC)的比较采用 DeLong检验。结果 在训练集,PNI阳性组和PNI阴性组间临床病理因素CT-T分期、CT-N分期、肿瘤最长径、Borrmann分型、Lauren分型和分化程度差异均有统计学意义(P<0.05)。PNI阳性组胃癌病灶的能谱参数Z-EffVP、IoDVP、NIoDVP、λVP及放射组学标签瘤内、瘤周、瘤内+瘤周Radscore值均高于PNI阴性组,差异有统计学意义(均P<0.05),其预测PNI的AUC(95%CI)分别为0.647(0.560~0.728)、0.740(0.656~0.812)、0.664(0.577~0.743)、0.611(0.522~0.694)、0.828(0.753~0.888)、0.790(0.711~0.856)、0.837(0.764~0.896)。多因素Logistic 回归分析显示CT-N分期(OR为3.939,95%CI 1.111~13.967,P= 0.034)、Z-EffVP(OR为34.143,95%CI 1.328~878.062,P= 0.033)、IoDVP(OR为 6.604,95%CI 1.269~34.357,P= 0.025)、瘤内+瘤周Radscore(OR为4.196,95%CI 1.611~10.932,P= 0.003)是胃癌PNI的独立危险因子。以此四个因子构建的列线图模型预测PNI的AUC(95%CI)为0.922(0.863~0.961),高于单一参数CT-N分期、Z-EffVP、IoDVP和瘤内+瘤周Radscore,差异有统计学意义(均P<0.05)。在验证集,列线图模型预测胃癌PNI的AUC(95%CI)为0.820(0.695~0.909)。结论 基于临床特征CT-N分期、肿瘤能谱 CT参数Z-EffVP、IoDVP能有效预测胃腺癌PNI状态,联合瘤内+瘤周放射组学特征的列线图模型可进一步提高预测效能。