Page 60 - 南京医科大学学报自然科学版
P. 60
第44卷第1期
· 54 · 南 京 医 科 大 学 学 报 2024年1月
特征,并计算预测的 P 值,P < 0.05 的特征被保留。
2 结 果
接着,多变量逻辑回归与最小决策收缩和选择算
子(least absolute shrinkage and selection operator, 2.1 患者特征
LASSO)进行多变量特征的选择。LASSO 涉及一个 共纳入 186 例患者,平均年龄(45.88±8.36)岁,
参数λ,以使 C⁃指数最大并控制所选最优特征的数 中位随访时间 57.5 个月。临床病理特征在训练集
量。影像组学评分(Rad⁃score)由所选组学特征的 和验证集间无统计学差异(年龄,P=0.75;肿瘤长径、
指数组合来计算。在训练集中,多元比例风险模型 宽径、纵径,P=0.88、0.65、0.53;化放疗,P=0.75;组织
也被用来预测影像组学评分。用 C⁃指数来评估影 学类型,P=0.33;锥切,P=0.78;手术方法,P=0.10;组
像组学评分的预测价值。C⁃指数表示模型预测的 织学等级,P=0.85;淋巴结转移,P=0.25;淋巴血管间
DFS 和实际 DFS 间的一致性(< 0.5 表示预测值较 隙侵犯,P=1.00;宫颈间质浸润深度,P=0.06;宫旁浸
差,> 0.7表示预测值较好)。 润,P=0.79)。
1.2.3 影像组学、临床病理模型及联合模型的建立 2.2 组学模型预测DFS的效能
分别计算T1CE、DWI、T2WI、T1CE+DWI、T1CE+ 对于T1CE,共筛选了8个组学特征。在训练集
T2WI、DWI+T2WI 和 T1CE+DWI+T2WI 的影像组学 中,放射学评分的危险比(hazard ratio,HR)为 3.71
评分,并进一步比较各序列及组合的 C⁃指数。不 (95%CI:2.31~5.97),训练集中预测效能的C⁃指数为
同序列中影像组学评分的效能在验证集中进一步 0.798,验证集为0.758,在训练集和验证集中具有最
验证。 优的预测效能。
临床病理特征包括年龄、术后化疗、肿瘤大小、 对于 DWI,共筛选了 2 个组学特征。在训练
组织学类型、锥切史、手术方式(微创与否)、组织学 集 中 ,放 射 学 评 分 的 HR 为 4 793.88(95% CI:
分级、淋巴结转移、淋巴血管间隙侵犯、宫颈间质浸 32.11~7 156.09),训练集中预测效能的 C⁃指数为
润深度和宫旁浸润。这些参数首先在训练集和验 0.740,验证集为0.525。
证集之间进行比较,然后利用单变量比例风险模型 对于T2WI,共筛选了6个组学特征。在训练集中,
在训练集中筛选有意义的预后因素(P < 0.05)。将 放射学评分的 HR 为 5.20(95%CI:2.23~12.12)。训
有意义的变量纳入多变量风险预测模型中,建立预 练集中预测效能的C⁃指数为0.782;验证集为0.493。
测 DFS 的临床病理模型。进一步在验证集中计算 对于 T1CE+DWI,共筛选了 5 个组学特征。在
模型的效能。 训练集中,放射学评分的 HR 为 6.40(95%CI:3.13~
将筛选出的有意义的临床病理特征分别联合 13.10)。训练集中预测效能的C⁃指数为0.759;验证
不同序列的影像组学评分,构建联合的多变量风险 集为0.699。
预测模型,通过C⁃指数比较预测效能。进一步在验 对于 T1CE+T2WI,共筛选了 10 个组学特征。
证集中计算联合模型的效能。 在训练集中,放射学评分的 HR 为 4.37(95%CI:
1.2.4 临床应用 2.59~7.37)。训练集中预测效能的 C⁃指数为 0.822;
列线图是一种易于使用的临床诊断工具,将有 验证集为0.667。
意义的参数通过风险量表的形式呈现 [15] 。本文绘 对于DWI+T2WI,共筛选了13个组学特征。在
制了具有最大诊断效能模型的列线图。 训练集中,放射学评分的HR为15.41(95%CI:6.47~
1.3 统计学方法 36.69)。训练集中预测效能的C⁃指数为0.903;验证
使用 R4.2.1(https://www.r⁃project.org)、MedCalc 集为0.578。
(15.0版)和SPSS 18.0进行统计分析。用独立样本t 对于 T1CE+DWI+T2WI,共筛选了 4 个组学特
检验比较连续变量(年龄、肿瘤大小和影像组学评 征。在训练集中,放射学评分的HR为6.47(95%CI:
分),用卡方检验比较训练集和验证集间分类变量 3.16~13.24)。 训 练 集 中 预 测 效 能 的 C ⁃ 指 数 为
(放化疗、组织学类型、锥切史、手术方式、组织学等 0.762;验证集为0.695。
级、淋巴结转移、淋巴血管间隙侵犯、宫颈间质浸润 2.3 临床病理特征模型预测DFS的效能
深度和宫旁浸润)。使用“生存”软件包建立比例风 通过单因素和多因素分析筛选出3个有意义的
险预测模型。使用“Surminer”软件包构建生存曲线 临床病理特征(组织学类型、淋巴结转移和宫旁浸
并计算。P < 0.05为差异有统计学意义。 润)并构建预测模型。在训练集中,肿瘤的病理组