Page 46 - 南京医科大学自然版

第45卷第11期
·1576 · 南 京 医 科 大 学 学 报 2025年11月

A B
ROC curve for training set ROC curve for training set
1.0 1.0
0.8 0.8
Sensitivity 0.6 Random forest Sensitivity 0.6 Random forest

0.4
0.4
Logistic regression
Logistic regression
0.2 （AUC=0.733） 0.2 （AUC=0.778）
（AUC=0.705） （AUC=0.774）
SVM（AUC=0.686） SVM（AUC=0.732）
0 0
1.2 1.0 0.8 0.6 0.4 0.2 0 -0.2 1.2 1.0 0.8 0.6 0.4 0.2 0 -0.2
Specificity Specificity
图3 训练集（A）和验证集（B）的3种模型ROC曲线分析
Figure 3 ROCcurves of the 3 models in the training set（A）and the validation set（B）

表2 单因素与多因素Logistic回归
Table 2 Univariate and multivariate logistic regression analyses
Univariate analysis Multivariate analysis
Variable
OR 95%CI P OR 95% CI P
Sex（Male vs. Female） 0.554 0.353-0.869 0.010 0.548 0.324-0.927 0.025
Age（>60 years vs. ≤60 years） 0.943 0.621-1.433 0.785 - - -
CEA 1.000 0.994-1.007 0.904 - - -
AFP 1.001 0.998-1.004 0.613 - - -
CA199 1.001 1.000-1.002 0.105 - - -
Radiomic score 8.932 4.766-16.739 <0.001 7.185 3.628-14.227 <0.001
cT stage 2.046 1.563-2.678 <0.001 1.034 0.737-1.449 0.848
cN stage 2.545 2.008-3.227 <0.001 2.322 1.754-3.075 <0.001

0.821，说明模型具有令人满意的预测效能。同时， 性肿瘤，长期以来一直是影响公众健康的重要因
绘制了影像组学模型对于 LNR 预测效能的 ROC 曲 素。根据世界卫生组织数据，胃癌是全球第 3 大致
线，其AUC 值为 0.657，低于列线图模型。之后，又 死癌症，且多数患者在确诊时已处于中晚期。而淋
绘制了 2 种模型预测 LNR 得出的决策曲线分析 巴结转移情况与胃癌患者的预后显著相关。cN 分
（decision curve analysis，DCA）（图5），可以看出列线 期是评估胃癌患者预后的一个重要指标，广泛使用
图模型相比单纯影像组学模型预测效能都要更佳， 的AJCC病理N分期（pN）系统主要依据淋巴结转移
收益更高。 的数量来分类。这种局限性导致了分期迁移现象
的出现，从而影响患者的准确分期与预后判断。分
3 讨 论
期迁移现象是指由于诊断技术进步或治疗策略改
胃癌作为全球范围内高发病率和病死率的恶 变，患者的分期发生了变化，这种现象严重影响了

A 0 10 20 30 40 50 60 70 80 90 100 B Calibration curve
Points Apparent
Female 0.8
Sex Ideal
Male High 0.6 Bias⁃corrected
Radiomic score
Low 0.4 Apparent
0 3
cN stage Bias⁃corrected
0 1 2 3 0.2 Ideal
Total points
0 20 40 60 80 100 120 140 160 180 200 220 240 0.2 0.4 0.6 0.8
Risk of LNR Predicted probability
0.3 0.5 0.7 0.9
图4 列线图（A）及其校正曲线（B）
Figure 4 Nomogram（A）and its calibration curve（B）