Page 73 - 南京医科大学自然版

第45卷第5期 马传贤，陈 晨，杨雅雯，等. CT影像组学联合临床病理特征模型预测非转移性2~3级肾透明细胞癌
2025年5月 术后无病生存期的研究［J］. 南京医科大学学报（自然科学版），2025，45（5）：658-664 ·659 ·

parenchymal phase images combined with clinicopathological features is helpful in predicting postoperative DFS in patients with non⁃
metastatic grades 2-3 ccRCC.
［Key words］ clear cell renal cell carcinoma；radiomics；computed tomography；disease⁃free survival
［J Nanjing Med Univ，2025，45（05）：658⁃664］

肾细胞癌（renal cell carcinoma，RCC）是肾脏最 CT检查的ccRCC患者临床及影像资料。纳入标准：
［1］
常见的恶性肿瘤 ，而肾透明细胞癌（clear cell renal ①病理为ccRCC且病理分级为2或3级；②术前3个
cell carcinoma，ccRCC）是其中最常见的亚型 。手 月内行增强 CT 检查，且存在皮髓质、实质期图像。
［2］
术是非转移性 ccRCC 最常用的治疗方式，但 20%~ 排除标准：①CT 图像病灶未包全或图像质量差；②
［3］
30%的患者在术后会发生复发转移 。而且，术后 术前远处转移；③术前穿刺或辅助治疗；④合并其
辅助治疗不能让所有患者受益，一些临床实验发 他恶性肿瘤。本研究经医院伦理审查委员会批准
现，高复发风险的患者而非所有患者在接受辅助治 （伦审号：2024⁃SR⁃344），患者均知情同意。
疗后可以提高生存率 ［4-5］ 。因此，治疗前对患者进行 患者 DFS 定义为出现肿瘤复发、转移、任何原
准确的风险分层，挑选出最可能复发并受益于辅助 因死亡或最后一次随访的时间，随访截止时间为
治疗的患者至关重要。研究表明，随着病理分级的升 2023年6月。
［6］
高，复发转移风险升高，预后差 。1级ccRCC 5年生 1.2 方法
存率高于 85% ，此时很少有患者愿意接受辅助治 西门子64层（Somatom）CT 扫描仪。扫描参数：
［6］
疗，而4级患者在初诊时往往已经发生复发转移，且 管电压 120 kV，管电流 160 mAs，层厚 5 mm，层间
5年生存率低于20% ，这类患者大多属于高风险患 距 5 mm，矩阵 512×512。用高压注射器将碘造影
［6］
者，多会接受辅助治疗，但鉴于2~3级患者的生存率 剂（浓度 300 mgI/mL）注射到肘静脉，注射剂量为
及复发风险，判断其是否需要进行辅助治疗对临床 1.5 mL/kg，注射速度为 2.5~3.0 mL/s，分别在注药后
医生来说存在挑战。目前已有一些临床模型用来预 30~35 s与60~65 s行皮髓质期和实质期扫描。
测RCC患者的预后，但在后续研究中的效能并不令 一名放射科医生使用开源交互式医学影像分
人满意，Correa等 研究表明，即使是所有临床模型中 割工具 ITK⁃SNAP（v.3.6.0）软件分别在皮髓质期及
［7］
表现最好的模型C⁃index值也仅有0.688。 实质期图像上对病灶进行逐层勾画。随机抽取30例
影像组学从医学影像中提取定量特征进行计 患者，由另一名放射科医生对图像进行勾画，以此
算机分析，是一个不断发展的领域。在肿瘤学中， 计算组间相关系数（intraclass correlation coefficient，
影像组学旨在揭示可能与癌症生物学相关的图像 ICC），ICC>0.8的特征被保留。
中的隐藏模式，提供潜在预后信息。先前一些研究 利用 Python 中的 Pyradiomics 包进行特征提取，
已经评估了影像组学在预测肾肿块患者各种预后 分别在皮髓质期及实质期图像上提取了1 693个特
方面的应用。但这些研究多缺乏同质队列（转移性 征，包括一阶统计学特征（first order feature）、基于尺
和非转移性RCC混合、恶性和良性肿瘤混合或不同 寸和形状的特征（shape feature）、灰度共生矩阵特征
组织亚型的RCC混合） ，并且没有足够的样本量 （gray level co⁃occurrence matrix，GLCM）、灰度游程
［8-10］
来建立稳定的模型。 矩阵特征（gray level run length matrix，GLRLM）、灰
本研究旨在确定术前增强 CT 提取的影像组 度大小区域矩阵特征（gray level size zone matrix，
学特征是否能提高手术切除后患者无病生存期 GLSZM）、灰度依赖矩阵特征（gray level dependence
（disease⁃free survival，DFS）的预测能力。 matrix，GLDM）和相邻灰度差矩阵特征（neighbouring
gray tone difference matrix，NGTDM）。图像处理方法
1 对象和方法
包括原始（original）、小波变换（wavelet）、对数变换
1.1 对象 （LoG）、梯度变换（gradient）、二维局部二进制模式
回顾性搜集了 2013 年 1 月—2020 年 12 月在南 （local binary pattern 2D）、三 维 局 部 二 进 制 模 式
京医科大学第一附属医院手术治疗，且术前行增强 （local binary pattern 3D）。