Page 102 - 南京医科大学自然版

第46卷第7期
·1048 · 南 京 医 科 大 学 学 报 2026年7月

带来的变异。 1.3 统计学方法
1.2.2 影像组学特征提取 统计分析分别在 R 4.3.1（rms、pROC、survival
2 位具有 5 年以上腹部影像诊断经验的医师在 包）与 Python 3.10（scikit⁃learn、lifelines 库）环境下进
互盲条件下逐层勾画肿瘤感兴趣区（region of inter⁃ 行。计量资料若符合正态分布以均数±标准差（x ± s）
est，ROI），存在分歧处经讨论达成一致，组内相关系 描述，否则采用中位数（四分位数）［M（P25，P75）］表示；
数（intraclass correlation coefficient，ICC）≥0.85。随 计数资料以例数（百分率）［n（%）］呈现。组间比较根
后利用PyRadiomics工具包高通量提取形态学、一阶 据资料分布选用独立样本t检验、Kruskal⁃Wallis H检
统计、纹理及小波分解 4 个大类共 150 维传统影像 验或χ 检验；所有检验均为双侧，P < 0.05 为差异有
2
组学特征 。在此之上引入K⁃means生境聚类，将肿 统计学意义。
［6］
瘤实质划分为若干亚区，进一步量化特征差异度、空
2 结 果
间分布熵与生态多样性指数等ITH指标 ［11-12，14］ 。整合
基线与各随访节点的标准化特征构建 TSR 特征矩 2.1 患者基线特征与风险分层分布
阵；以末次复查与基线的差值生成DR特征，从而把 共有 62 例 HCC 患者完成全程分析，中位随访
形态与异质性的纵向演变完整纳入建模视野 。 24.4（16.1，38.4）个月。队列以男性为主（46 例，
［13］
1.2.3 模型构建与评价 74.2%），中位年龄 60（55，63）岁；乙肝感染 47 例
特征筛选采用三阶段流水线：先以单因素 （75.8%），丙肝感染 4 例（6.5%）；基线肿瘤最大径中
Logistic回归初筛（P < 0.10），再借助十折交叉验证的 位数为 8.7 cm；门静脉癌栓 25 例（40.3%）；Child⁃
最小绝对值收敛和选择算子（least absolute shrinkage Pugh A 级 44 例（71.0% ）；TNM Ⅰ ~ Ⅱ 期 25 例
and selection operator，LASSO）回归确定最优惩罚系 （40.3%）。真实世界背景下的治疗方案体现出相当
数，最后通过Pearson相关分析剔除|r|≥0.7的冗余特 的多样性：46 例（74.2%）合并 TACE，47 例（75.8%）
征。队列按 7∶3 分层抽样划分训练集与验证集，分 合并靶向药物，PD⁃1 抑制剂覆盖替雷利珠、卡瑞利
别训练逻辑回归、随机森林与支持向量机模型，最 珠、信迪利单抗。
终择优作为融合模型 ［9，15］ 。判别能力以受试者工作 基于基线影像组学与肿瘤负荷的联合评分，为表
特征（receiver operating characteristic，ROC）曲线的 1所列16个最优特征经Z⁃score标准化后按LASSO回
曲线下面积（area under the curve，AUC）衡量，校准度 归系数加权求和构建（risk score=Σβi×xi_standard⁃
由Hosmer⁃Lemeshow检验配合校准曲线评估，临床效 ized，βi为表 2 对应的 LASSO 回归系数）。在训练集
用则通过决策曲线分析（decision curve analysis，DCA） （n=43）中采用 X⁃tile 软件（version 3.6.1）以最大化对
加以验证 ［10］ 。生存分析采用Kaplan⁃Meier法绘制曲 数秩（log⁃rank）检验统计量为目标，并通过Monte⁃Carlo
线并配合 Log⁃rank 检验，多因素 Cox 回归用以识别 方法校正多重比较，确定两个最优截断值（-0.421和
独立预后因子。鉴于 irAE 往往延迟发生，本研究将 0.685）；据此将患者分为低风险组（risk score < -0.421）
并发症观察窗延长至治疗后90 d，按Clavien⁃Dindo分 10例、中风险组（-0.421 ≤ risk score ≤ 0.685）24 例
级系统完成评估 ［16-18］ 。 与高风险组（risk score > 0.685）28 例。同一截断点
1.2.4 临床决策支持系统（clinical decision support 在独立验证集（n=19）中重新检验，组间患者分布与
system，CDSS）搭建 无进展生存期（progression⁃free survival，PFS）分离趋
以融合模型为内核，面向临床一线搭建半自动 势均与训练集一致，提示分层规则具有良好的内部

化 CDSS。放射科医师在影像归档和通信系统（pic⁃ 稳健性与可重复性。3组之间在年龄、肿瘤最大径、
ture archiving and communication system，PACS）端 多发病灶率、门静脉癌栓、Child⁃Pugh 分级、TNM 分
完成 ROI 勾画后，系统自动对接院内 HIS 与实验 期及AFP、PIVKA⁃Ⅱ、ALT、AST、ALB 等实验室指标
室信息管理系统（laboratory information system，LIS） 上均存在显著差异（P 均<0.05，表 2）；性别、肝炎感
取用临床检验数据，沿标准化管道完成特征提 染、TACE联合与靶向药联合比例差异无统计学意义
取、风险评分与分层输出，并自动生成可视化诊 （P均>0.05）。这一分布提示，风险分层的核心差异源
疗建议报告 ［19］ 。为了审慎起见，系统不嵌入深度 于肿瘤本身与肝功能储备，而非治疗方案的选择。
学习自动分割环节，每一次风险评估仍由临床医 2.2 最优特征集与模型预测效能
师主导完成。 三阶段筛选之后保留16个最优特征（表1）。来