Page 47 - 南京医科大学自然版
P. 47

第45卷第11期         陈柃池,周乾正,李 琼,等. 基于影像组学的胃癌术前阳性淋巴结比率预测模型的研究[J].
                 2025年11月                    南京医科大学学报(自然科学版),2025,45(11):1572-1579                      ·1577 ·


                A          ROC curves for LNR prediction                    B   0.5               Nomogram model
                     1.0                             Nomogram model(AUC=0.821)                    Radiomic score
                                                     Radiomic score(AUC=0.657)
                     0.8                             Reference line             0.3               All
                    Sensitivity  0.6                                           Net benefit 0.4
                                                                                                  None
                                                                                0.2
                     0.4
                     0.2                                                        0.1
                                                                                 0
                      0
                                                                                   00   0.2  0.4  0.6  0.8   1.0
                             0.0    0.5     1.0
                                                                                          Threshold probability
                                 1-Specificity
                                                                                  1∶100 1∶4  2∶3  3∶2  4∶1  100∶1
                                                                                           Cost:Benefit Ratio
                                     图5 列线图与单纯影像组学ROC验证曲线(A)与DCA曲线(B)对比
                Figure 5  Comparison of the ROC validation curves(A)and decision curve analysis curves(B)between the nomogram and
                        the radiomics⁃only model


                临床预后评估的准确性。Will⁃Rogers现象是一种典                          尽管 LNR 是一个有效的预后指标,但传统的
                型的分期迁移效应,指的是转移性淋巴结的数量与                            LNR评估依赖于术后病理结果,该结果只能在术后
                淋巴结清扫范围呈正比,即清扫的淋巴结越多,检                            获得,而对于高 LNR 患者,可能存在未切除的阳性
                测到的转移淋巴结越多,从而可能导致患者分期升                            淋巴结,增加术后转移的风险。术前如何准确预测
                高,影响临床决策 。2005 年,Smith 等           [10] 利用监测      LNR 变得非常具有挑战性。对于术前 LNR 高的患
                                [3]
                数据库的流行病学特征分析了3 814例不同分期的                          者可进行新辅助治疗,对N分期进行降期,降低手术
                胃癌患者。在同一分期中,检测到超过15个淋巴结                           残余阳性淋巴结的几率。影像组学作为一种通过
                的患者生存时间优于检测到少于 15 个淋巴结的患                          影像数据提取大量特征并进行分析的技术,已被证
                者。通过增加淋巴结清扫范围,可以逐渐减少或避                            明在多种肿瘤的预后评估中具有重要价值。通过
                免淋巴结分期迁移。                                         影像组学提取的特征,对特征进行降维提取后建立
                    然而,淋巴结检出数目常受限于术者的技术和                          模型进行分析,再结合传统的临床和病理信息,就
                淋巴结示踪技术等客观因素的影响,因此准确的淋                            能够实现对 LNR 的术前精准预测。本研究正是基
                巴结分期至关重要。为了解决这一问题,学者们提                            于影像组学方法,结合机器学习技术,成功构建了
                出了一些改良的分期指标           [11-12] 。其中LNR能够更准          一个能够在术前预测胃癌患者LNR的回归模型,并
                确地反映淋巴结转移负荷,减少传统 N 分期带来的                          进一步开发了易于临床应用的列线图模型。通过
                分期迁移效应。已有研究表明,LNR与患者的生存                           ROC曲线和DCA曲线,本研究系统地比较了列线图
                期密切相关,相比传统的N分期,LNR在胃癌患者的                          模型与单纯影像组学模型在LNR预测方面的性能,
                预后评估中表现出更高的敏感性和准确性。有研                             结果显示,列线图模型在预测能力和临床决策效用
                究报道远端胃切除患者,标本中检出更多的淋巴结                            上均优于影像组学模型(列线图的AUC值为0.821,
                可增加转移淋巴结数量,而LNR则与检出淋巴结数                           影像组学模型的AUC值为0.657)。这一发现表明,
                无关;并且还发现当 LNR 增长 10%,胃癌患者 5 年                     结合临床信息可以在小样本量的情况下有效提高
                生存率下降 8.14%,即 LNR 与胃癌患者生存密切相                      机器学习预测模型的预测效能,为胃癌患者的术前
                关 [13] 。本研究发现,高低LNR两组之间的生存时间                      评估提供了一种更为精准的工具,也为同样小样本
                存在显著差异(P < 0.05),且 LNR 的截断值为 0.21,                情况下其他模型的开发提供了经验。
                与既往研究报道类似          [4,14] 。既往研究报道年龄、性                 既往研究已证明 LNR 在胃癌患者预后评估中
                别、术前分期等因素与胃癌患者 LNR 高低相关                   [15] 。  的重要性,且部分研究尝试利用影像组学方法预测

                本研究同样也发现性别和 cN 是胃癌患者高 LNR                         淋巴结转移风险。有研究基于 CT 影像提取影像组
                的独立危险因素,女性和较晚的 cN 分期会导致高                          学特征,建立分类模型用于预测淋巴结转移状态,
                LNR 的风险增加,这可能与女性患者更易发生弥                           但多数研究局限于淋巴结转移阳性或 pN 分期而未
                漫型胃癌(如印戒细胞癌)有关,该类肿瘤更易发                            进一步量化 LNR      [16] 。这可能导致即使对淋巴结转
                生淋巴结转移。                                           移状态的预测效能较好,仍无法精准指导患者治疗
   42   43   44   45   46   47   48   49   50   51   52