Page 75 - 南京医科大学自然版
P. 75

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                   ·661 ·


               (HR=4.888,95%CI:1.480~16.147)两个独立危险因               2.3  影像组学模型预测效能
                素(表 2),两者均与患者 DFS 呈负相关。利用这两                           皮髓质期筛选出 3 个组学特征,计算影像组学
                种特征构建临床病理特征模型,模型在训练组与验                            评分构建组学模型,在训练组与验证组的C⁃index值
                证组中C⁃index值分别为0.824和0.787(表3)。                    分别为0.832和0.701。实质期筛选出5个组学特征
                                    表2 训练组中临床病理因素预测DFS的单因素和多因素Cox回归分析
                Table 2  Univariate and multivariate Cox regression analysis of clinicopathological factors for predicting DFS in the training
                       set
                                              Univariate analysis                     Multivariate analysis
                  Characteristic
                                     HR            95%CI            P         HR           95%CI           P
                  Grade
                    2               1.000            -              -         1.000          -             -
                    3               4.759        2.363-9.585      <0.001      4.759      2.363-9.585      0.040
                  T stage
                    1               1.000            -              -         1.000          -             -
                    2               3.171        1.199-8.385       0.020      2.148      0.635-7.273      0.219
                    3               9.787        4.530-21.142     <0.001      4.888      1.480-16.147     0.009
                  Surgery type
                    RN              1.000            -              -         1.000          -             -
                    PN              0.469        0.233-0.944       0.034      1.398      0.550-3.553      0.482
                  Side
                    Left            1.000            -              -          -             -             -
                    Right           0.546        0.271-1.100       0.091       -             -             -
                  Sex
                    Male            1.000            -              -          -             -             -
                    Female          0.582        0.252-1.340       0.203       -             -             -
                  Age               1.027        0.995-1.059       0.104       -             -             -
                  Size              1.030        1.018-1.043      <0.001      1.055      0.985-1.025      0.615

                计算影像组学评分构建组学模型,在训练组与验证                            表3 不同模型在训练组与验证组中预测无病生存期的效能
                组的C⁃index值分别为0.842和0.720。皮髓质期、实                   Table 3  Predictive efficacy of disease⁃free survival in the
                                                                          training and validation sets by different models
                质期特征组合后筛选出 6 个组学特征,其中包括 1
                个实质期特征与 5 个皮髓质期特征,计算影像组学                                    Model                Set      C⁃index
                评分构建组学模型,训练组与验证组的 C⁃index 值                        Clinicopathological         Training   0.824
                                                                                              Validation  0.787
                分别为 0.848、0.754,高于任一单独时期组学模型
                                                                   Corticomedullary            Training   0.832
               (表 3)。
                                                                                              Validation  0.701
                2.4  联合模型预测效能
                                                                   Parenchymal                 Training   0.842
                    将筛选出的 2 个临床病理特征(病理分级、T 分
                                                                                              Validation  0.720
                期)与两期影像组学评分(皮髓质期、实质期)结合                            Corticomedullary+Parenchymal  Training  0.848
                构建联合模型,在训练组和验证组中均具有最高的                                                        Validation  0.754
                预测能力,C⁃index 分别为 0.857 和 0.832(表 3)。将              Combined                    Training   0.857
                其转换为列线图(图 2),并将患者分为高、低风险                                                      Validation  0.832
                组,绘制 Kaplan⁃Meier 生存曲线(图 3),结果显示联
                合模型可有效预测患者DFS。                                    助治疗有利于改善患者预后              [4-5] ,因此,筛选出高复

                                                                  发风险的患者具有临床价值。本研究术前增强 CT
                3  讨 论
                                                                  影像组学评分与临床病理特征模型预测非转移性
                    既往研究表明,对高复发风险的患者术后行辅                          2~3 级 ccRCC 患者术后 DFS 的效能,发现皮髓质期
   70   71   72   73   74   75   76   77   78   79   80