简体中文

论著-胸部

评估机器学习和CT影像组学在晚期食管鳞癌免疫治疗中的预测价值*

作者:吉希钰1 侯 庆2 曹建忠2 李洪燕1 孙博辰2 王艳艳2,*

所属单位:1.山西医科大学医学影像学院 (山西 太原 030001) 2.山西省肿瘤医院影像科 (山西 太原 030013)

PDF

摘要

目的 评估基于多种机器学习和计算机体层扫描(CT)影像组学在预测接受一线化疗联合免疫治疗(ICI+CT)的晚期不可切除食管鳞状细胞癌患者预后中的应用价值。方法 回顾性分析2019年10月至2022年3月山西省肿瘤医院接受一线化疗联合免疫治疗的晚期不可切除ESCC的患者,共87名。从治疗前增强CT动脉期图像分割感兴趣区并提取影像组学特征,通过单因素Cox回归、多种机器学习方法、基于最小赤池信息准则的多因素Cox回归筛选与预后显著相关的特征并构建影像组学预测模型。用时间依赖的受试者工作特征(time-ROC)曲线、校准曲线和决策曲线评价模型的预测效能。使用最大限度选择秩统计量对患者进行风险分层,绘制两组患者的 Kaplan-Meier生存曲线,对数秩检验法(Log-Rank)比较组间差异。结果 从感兴趣区中共提取1037个影像组学特征,通过单因素、多种机器学习方法及多因素分析最终筛选出4个最优特征以构建影像组学模型。预测模型1-5年AUC分别为0.831、0.772、0.717、0.800、0.781,交叉验证1-3年训练集的中位数为0.838、0.797、0.730,验证集为0.822、0.728、0.713。此外,校准曲线表明预测概率与实际发生概率之间有较好的一致性,高、低风险两组的中位无进展生存期(PFS)分别为16.9个月和45.9个月(P<0.001)。结论 基于治疗前增强CT动脉期图像数据新开发的影像组学预测模型,有助于确定哪些晚期ESCC患者可从ICI+CT治疗中获益,为患者个体化治疗方案的选择提供更合理的依据。


【关键词】食管鳞状细胞癌;免疫治疗;影像组学;机器学习

【中图分类号】R735.1

【文献标识码】A

【DOI】10.3969/j.issn.1672-5131.2025.06.025