基于T2WI的纹理分析在预测肝癌经导管肝动脉化疗栓塞术后早期复发的价值

目的探讨基于T2WI图像的纹理分析技术在预测肝癌患者经导管肝动脉化疗栓塞(transcatheter arterial chemoembolization,TACE)治疗后早期复发的价值.材料与方法回顾性分析符合纳入标准的121例肝癌患者,男88例,女33例,所有患者在TACE前均接受常规MRI检查.手动分割所有肝癌的T2WI图像,并使用后处理软件自动提取纹理特征.根据改良实体肿瘤疗效评价标准划分为早期复发组(65例)及非早期复发组(56例),分析两组间纹理特征及临床特征.利用Logistic回归构建预测模型,绘制受试者工作特征曲线评估模型对TACE术后早期复发的诊断效能.结果每个患者的T2WI图像分析后共得到371个纹理特征,经筛选后选取7个显著性较强的纹理参数(LongRunHighGreyLevelEmphasis_angle135_offset7、ClusterShade_AllDirection_offset4_SD、LongRunEmphasis_angle135_offset4、LongRunEmphasis_angle90_offset7、LongRunLowGreyLevelEmphasis_AllDirection_offset1_SD、ShortRunEmphasis_angle135_offset4、MinorAxisLength),根据以上参数构建放射组学模型,模型具有良好的预测能力(训练组AUC值为0.728,敏感度为71.11％,特异度为71.79％.验证组AUC值为0.744,敏感度为85％,特异度为58.82％).此外,结合临床独立危险因子肿瘤最大直径、γ-谷氨酰转肽酶及放射组学特征的联合预测模型AUC为0.807,显示出更好的预测效能(P<0.05).结论利用基于MRI的纹理分析技术预测肝癌TACE术后的早期复发是可行的,有助于临床更好地提供个体化治疗.     

基于T2WI纹理分析预测高级别胶质瘤术后复发

目的 观察基于T2WI纹理分析预测高级别胶质瘤(HGG)术后复发的价值。方法 回顾性分析71例术前接受MR检查的HGG患者，根据术后有无HGG复发分为复发组(n=45)和未复发组(n=26),比较组间MRI肿瘤形态参数的差异；于T2WI中提取瘤体、瘤周水肿区及瘤体+瘤周水肿区的纹理特征，分别基于形态特征和纹理特征构建支持向量机(SVM)和随机森林(RF)模型；绘制受试者工作特征曲线，以曲线下面积(AUC)评估各模型的预测效能。结果 组间肿瘤位置、有无囊变、有无子病灶、实质/瘤周DWI信号及强化程度差异均有统计学意义(P均<0.05)。分别于瘤体、瘤周水肿区和瘤体+瘤周水肿区筛选出12、13和13个最佳纹理特征，以之构建的SVM_形态模型预测HGG复发效能(AUC=0.76)高于RF_形态模型(AUC=0.68),SVM_纹理模型预测效能最佳(AUC=0.83)。结论 基于T2WI纹理分析能有效预测HGG术后复发，尤以SVM_纹理模型的预测效能最佳。     

3.0T MRI T2 mapping纹理特征在膝关节骨性关节炎软骨损伤分级中的价值

目的探究基于3.0 T MRI T2 mapping的纹理特征在膝关节骨性关节炎(keen osteoarthritis,KOA)患者不同程度软骨损伤分级中的诊断性能.材料与方法回顾性分析实验组骨性关节炎患者72个膝关节及对照组健康志愿者22个膝关节.通过矢状位T2 mapping生成T2伪彩图,在T2伪彩图中画取ROI并标记国际软骨修复学会(International Cartilage Repair Society,ICRS)分级,选取ICRS MRI分级与关节镜分级一致的201个关节面图像,采用OK软件提取、分析纹理参数.按7:3的比例随机选取143个关节面图像作为训练集,剩余58个关节面图像作为验证集.对训练集的参数用Spearman及sbf(select by filter)进行特征过滤,用随机森林函数进行特征选择,用ctree建立模型,给出特征在鉴别正常软骨及不同软骨损伤分级中的权重.用曲线下面积(area under the curve,AUC),敏感度、特异度,准确度来评价模型预测正常软骨及不同软骨损伤分级的性能.结果MinLocation、MaxSize及Maximun3DDiameter权重均一致较大,其中MinLocation在各损伤分级中权重均最大,超过0.75.集训集中正常软骨的AUC值为0.91,Ⅰ级损伤的AUC值为0.82,Ⅱ级损伤的AUC值为0.84,Ⅲ级损伤的AUC值为0.88;验证集中正常软骨的AUC值为0.87,Ⅰ级损伤的AUC值为0.74,Ⅱ级损伤的AUC值为0.84,Ⅲ级损伤的AUC值为0.96.AUC最高的是验证集中Ⅲ级损伤软骨,为0.96;其次是训练集中正常软骨,为0.91.无论在训练集还是验证集中都表现出了良好的预测价值.敏感度最高的是训练集中Ⅰ级损伤软骨,为0.83;特异度最高的是训练集中Ⅲ级损伤软骨,为0.98.结论通过T2 mapping提取的纹理参数在不同软骨损伤程度中有较好的鉴别能力.     

基于肿瘤基底部膀胱壁纹理分析预测膀胱癌肌层浸润性

目的探讨基于肿瘤基底部膀胱壁超声灰阶图像纹理特征的组学模型鉴别膀胱癌肌层浸润性的价值。方法回顾性分析广西医科大学第一附属医院2017年1月至2022年2月经病理证实的膀胱癌患者175例, 按7∶3的比例分为训练集和测试集。利用MaZda软件分别手动勾画同一病灶基底部膀胱壁、病灶区域的感兴趣区域并提取纹理特征。对训练集采用最小绝对缩减和变量选择算子(LASSO)回归及十折交叉验证筛选特征, 构建膀胱壁、病灶区域组学模型, 并绘制ROC曲线评估模型效能。结果从膀胱壁、病灶区域ROI各提取出279个纹理特征后, 各筛选出5个纹理特征用于构建组学评分模型。膀胱壁的组学模型训练集和测试集的曲线下面积(AUC)为0.921、0.856, 病灶区域的组学模型训练集和测试集的AUC为0.849、0.704。在训练集和测试集中, 膀胱壁的组学模型AUC比病灶区域的组学模型大(均P<0.05)。结论基于肿瘤基底部膀胱壁纹理特征的组学评分模型能有效鉴别膀胱癌肌层浸润性, 且较基于病灶区域纹理特征的模型表现出更好的性能。     

增强MR组学联合临床因素预测肝细胞癌根治性切除术后早期复发的价值研究

目的 探究联合临床因素的肝细胞癌(hepatocellular carcinoma,HCC)术前MR影像组学模型对预测HCC切除术后早期复发的价值.材料与方法 回顾性分析116例(训练集82例、测试集34例)术前进行过腹部MRI扫描且经病理确诊为HCC患者的动态对比增强MRI(dynamic contrast enha...     

基于术前IL-6、PGE2、TNF-c构建预测膀胱癌患者术后复发的列线图模型

摘要:目的基于术前 血清IL-6、前列腺素E2( PGE2)、TNF-a构建预测膀胱癌术后复发的列线图模型。方法回顾性收集2018年6月至2023年2月临平区第一人民医院收治的348例膀胱癌患者的临床资料,经计算机产生随机数表并以2:1比例将其分为训练集(232例)和验证集(116例)。所有患者均接受随访,将发生复发的患者纳入复发组,未发生复发的患者纳入未复发组。比较训练集复发组、未复发组血清IL-6、PGE2、TNF-a水平及一般资料;用Logistie 回归模型分析训练集膀胱癌术后复发的影响因素,并建立回归方程;用ROC曲线分析术前IL-6 PGE2、TNF-a单独及联合预测膀胱癌术后复发的效能;建立膀胱癌术后复发的风险预测列线图模型,并验证其效能。结果与未复发组比较, 复发组血清IL-6、PGE2、TNF-a水平升高,肿瘤直径增大,多发性肿瘤、肿瘤分期T2~T,肿瘤WHO病理学分级1I~川级的构成比升高,术后规律膀胱灌注的构成比降低(P<0.05)。Logistie 回归分析显示,术前血清IL-6、PGE2、TNF-a、肿瘤分期、肿瘤WHO病理学分级是膀胱癌术后复发的影响因素(P<0.05),并建立Logistic回归方程:Y=1.718X1+2.081X2+ 1.815X3+2.319X.+1.868Xs。ROC曲线显示,术前IL-6、PGE2、TNF-a预测膀胱癌术后复发的最佳截断点分别为0.60 ng/L、57.13 pg/mL、2. 10 ng/mL,三者单独及联合预测膀胱癌的ROC曲 线下面积(AUCR0C)分别为0.729、0.743 .0.733和0.825。基于训练集Logistic回归分析结构建立膀胱癌术后复发的风险预测列线图模型,该模型预测训练集验证集的敏感性分别为94.12% .90.20% ,特异性分别为90.06%、87.29% ,AUCROG分别为0.940、0.914 ; Bootstrap法内部验证结果显示,训练集、验证集的C-index分别为0.918( 95% CI:0.824~0.987)、0.901 ( 95% CI:0.835~0.957)。结论术前血清IL-6PGE2、TNF-ax水平是膀胱癌术后复发的影响因素,据此建立的风险预测列线图模型具有良好的预测效能。     

癌结节状态列线图模型预测TNM分期Ⅱ/Ⅲ期胃癌患者术后复发的价值

目的 分析TNM分期Ⅱ/Ⅲ期胃癌患者癌结节状态等临床资料,构建预测TNM分期Ⅱ/Ⅲ期胃癌患者术后复发的列线图模型,验证其预测价值。方法 收集1 015例根治术后TNM分期Ⅱ/Ⅲ期胃癌患者术前癌胚抗原水平、血小板/淋巴细胞比值、中性粒细胞/淋巴细胞比值、预后营养指数(prognostic nutritional index, PNI)及肿瘤直径、肿瘤部位、术后TNM分期和癌结节状态等临床资料,其中706例本院患者为训练集,309例外院患者为验证集。训练集和验证集患者术后随访3年,记录复发情况。采用多因素Cox回归分析训练集患者术后3年复发的影响因素,根据影响因素构建预测TNM分期Ⅱ/Ⅲ期胃癌患者术后1、3年复发的列线图模型;采用C-指数、ROC曲线、校准曲线验证列线图模型对训练集和验证集患者术后1、3年复发的预测价值;采用重分类改善指数(net reclassification improvement, NRI)、综合判别改善指数(integrated discrimination improvement, IDI)、决策分析曲线分析列线图模型与术后TNM分期系统对训练集和验证集患者术后...     

诺模图(nomogram)预测浸润性乳腺癌脉管侵犯的初步研究

目的探讨基于增强MRI参数的诺模图(nomogram)预测乳腺癌脉管侵犯的价值。方法回顾性分析2016年1月～2018年12月中山大学孙逸仙纪念医院经活检病理证实的256例浸润性乳腺癌患者的常规MRI、DWI及DCE MRI的资料。根据术后病理检查结果确定肿瘤脉管侵犯情况,将256例患者按约2:1随机分为训练集(n=171)及验证集(n=85)。采用LASSO回归筛选与乳腺癌脉管侵犯最相关的危险因素,构建诺模图预测模型,采用受试者工作特征曲线(ROC)分析模型的诊断效能,绘制诺模图校准曲线验证预测能力。结果 256例患者中,99例(38.7%)肿瘤侵犯脉管。经LASSO回归,8个MRI参数及HER-2为乳腺癌脉管侵犯的独立预测因素。训练集中,基于多参数模型的诺模图预测脉管侵犯的曲线下面积(AUC)为0.843,敏感度76.3%,特异度77.7%,符合率77.2%,阳性预测值为64.3%,阴性预测值为86.1%;验证集中,诺模图预测脉管侵犯的AUC为0.833,敏感度65.0%,特异度84.4%,符合率75.3%,阳性预测值为78.8%,阴性预测值为73.1%。诺模图校准曲线显示模型预测与真实结局之间具有良好吻合度。结论本研究构建及验证的诺模图能有效预测乳腺癌脉管侵犯。     

平扫CT深度学习模型预测经保守治疗后排出输尿管结石

目的 观察基于平扫CT建立的神经网络深度学习(DL)模型预测保守促排石治疗后排出输尿管结石的价值。方法 纳入915例接受保守促排石治疗的输尿管结石患者,随机分为训练集(n=700)、验证集(n=100)及测试集(n=115)。基于平扫CT标记结石三维形状,分别针对训练集和验证集获取三维卷积神经网络(3D-CNN)、二维卷积神经网络(2D-CNN)及全连接神经网络(FCN)最佳参数并建立模型,以测试集检测模型预测能力;绘制受试者工作特征曲线,比较各模型及结石最大径预测测试集经保守治疗后可否排出输尿管结石的效能。结果 915例中,229例经保守治疗后排出输尿管结石。3D-CNN模型预测测试集排出输尿管结石的效能最佳,其曲线下面积(AUC)为0.956,高于2D-CNN模型(0.865)、FCN模型(0.813)及结石直径(0.818)(P均＜0.01);2D-CNN模型预测AUC高于FCN模型及结石直径(P均＜0.05)。结论 利用DL模型、尤其3D-CNN能准确预测输尿管结石可否于保守治疗后排出。     

腹腔镜疝修补术后患者复发疝气的预测模型构建与验证：一项8年的回顾性研究

目的 建立一个识别腹腔镜疝修补术前、术中及术后高危因素的机器学习模型并预测患者术后疝复发情况。方法 纳入2010—2018年腹腔镜疝修补术后患者,收集患者的29项特征变量,包括患者的人口统计学特征、慢性病史、实验室检查特征、手术信息以及患者的术后情况等。采用梯度提升机(XGBoost)、随机森林(RF)、支持向量机(SVM)以及K最临近(KNN)四种机器学习算法构建预测模型。同时应用SHAP分析对模型进行可视化解释并采用k-折交叉验证法、ROC曲线图、校正曲线、决策曲线分析等指标评价模型性能。结果 共纳入1 178例腹股沟疝患者,其中114例出现术后疝复发。4种预测模型中,XGBoost算法具有最佳效能,其在训练集中的AUC值为0.985,在验证集中的AUC值为0.917,预测准确度很高。k-折交叉验证法、校正曲线、DCA曲线结果均显示XGBoost模型稳定、临床实用性强。此外,独立验证集的AUC值为0.86,说明XGBoost预测模型具有较好的外推性。SHAP分析结果显示,补片尺寸、补片的固定情况、糖尿病史、低蛋白血症、肥胖、吸烟史、术中SpO₂以及术中体温低均...     

基于CT皮质期影像组学预测肾细胞癌亚型的研究

目的：探讨基于CT皮质期影像组学鉴别肾透明细胞癌(ccRCC)和非透明细胞癌(non-ccRCC)的价值。方法：回顾性分析2017年1月—2022年12月经病理证实的122例肾细胞癌患者的资料,其中ccRCC 82例,non-ccRCC 40例,并以随机数表法按7∶3的比例将患者分成训练集(n=85)和验证集(n=37)。在CT皮质期手工逐层勾画肿瘤感兴趣区(ROI)后提取影像组学特征,使用特征间线性相关检查和F检验依次进行特征筛选,采用逻辑回归分类器构建影像组学模型。采用t检验、χ²检验及Logistic回归分析筛选CT影像特征,建立常规影像模型。综合影像组学评分和常规影像模型建立联合模型。绘制ROC曲线评估各模型的预测效能,AUC比较采用Delong检验。结果：影像组学模型在训练集和验证集中的AUC分别为0.990(95%CI 0.976～1.0)和0.890(95%CI 0.774～1.0)。在训练集和验证集中,影像组学模型和联合模型的预测效能均优于常规影像模型,差异有统计学意义(P均<0.05);相比联合模型,在验证集中影像组学模型的预测效能略高,但...     

基于常规超声及超声造影预测浅表淋巴结恶性的危险因素及其列线图模型的应用价值

目的 本研究基于常规超声及超声造影(CEUS)参数构建模型预测浅表淋巴结良恶性，并采用列线图对预测模型进行应用。方法 采用病例对照研究方法，收集病理证实的65例患者共96个浅表淋巴结的常规超声、CEUS特征。将96个淋巴结的超声特征通过随机抽样分为训练集及验证集，差异分析筛选出训练集中在良恶性淋巴结中有显著差异的变量，且变量的受试者工作特征(ROC)曲线下面积(AUC)需≥0.7,通过R软件建立Logistic回归模型，并依据模型绘制列线图。利用训练集和验证集数据对模型进行验证。结果 训练集中淋巴结门是否正常、有无淋巴结中央和边缘血流、造影剂进入方式、峰值强度(PI)、下降斜率(DS)、时间-强度曲线的曲线下面积(AUC_T)在良恶性组间的差异有统计学意义(P<0.05),边缘血流、PI、AUC_T的AUC依次为0.72、0.72、0.70;验证集中边缘血流、PI、AUC_T的AUC依次为0.70、0.85、0.75,将上述参数拟合Logistic回归模型，模型对训练集和验证集中淋巴结良恶性预测的灵敏度依次为95.74%...     

临床、CT影像组学及融合模型预测肝细胞癌分化程度

目的 评价临床、CT影像组学及融合模型预测肝细胞癌（HCC）分化程度的可行性。方法 纳入330例HCC患者,根据病理所见分化程度分为高分化组（n=85）、中分化组（n=161）及低分化组（n=84）,比较组间临床资料及CT征象差异。按3∶1比例随机将各组分为训练集及测试集。提取训练集CT影像组学特征,构建临床模型、影像组学模型及融合模型。绘制受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评估各模型鉴别不同分化程度HCC的效能。结果 共纳入352个CT影像组学特征,109个来自高、中分化HCC,84个来自中、低分化HCC,159个来自高、低分化HCC。临床模型鉴别高、低分化HCC的AUC为0.85;CT影像组学模型鉴别高分化与中、低分化HCC的AUC分别为0.80及0.79;融合模型鉴别高、低分化HCC的AUC为0.88。结论 临床、CT影像组学及融合模型预测高、低分化HCC的效能均较高。CT影像组学模型可较好地预测高、中分化HCC。     

乳腺癌术后上肢淋巴水肿的风险预测可视化模型构建与验证

目的 探讨乳腺癌术后上肢淋巴水肿的危险因素,构建风险预测可视化模型并验证。方法 回顾性分析528例行手术治疗的乳腺癌患者的临床资料,将患者随机分为训练集352例和验证集176例。根据是否并发上肢淋巴水肿将训练集患者分为淋巴水肿组67例和非淋巴水肿组285例,采用Logistic回归分析筛选乳腺癌术后上肢淋巴水肿的危险因素,通过R软件绘制风险预测可视化模型并验证效能。结果 乳腺癌患者术后上肢淋巴水肿的发生率为20.08%(106/528)。多因素Logistic回归分析结果显示,体质量指数(BMI)高、高血压、TNM分期Ⅲa期、双侧病变、腋窝淋巴结清扫水平Ⅲ级、术后放化疗均为乳腺癌术后并发上肢淋巴水肿的独立危险因素(P<0.05)。基于这6个独立危险因素构建列线图模型,该模型在训练集、验证集中的校正曲线均与理想曲线拟合良好;受试者工作特征曲线分析结果显示,列线图模型在训练集、验证集中预测术后上肢淋巴水肿的曲线下面积分别为0.950、0.886;决策曲线分析结果显示,该模型在训练集和验证集中预测术后上肢淋巴水肿的总体净获益均高于所有患者全干预或未干预。结论 BMI高、高血压、TNM分...     

乙型肝炎相关性肝细胞癌DEB-TACE治疗前后增强CT扫描获取的纹理参数变化及临床意义

  目的  研究乙肝相关肝细胞癌患者经载药微球-经导管动脉化疗栓塞（DEB-TACE）治疗前后增强CT纹理参数变化,并探讨其临床意义。  方法  选择我院2018年6月~2021年6月收治的117例乙肝相关肝细胞癌患者作为研究对象,均采用DEBTACE治疗,分别于患者治疗前、治疗后6周行增强CT扫描,获得纹理参数,分析增强CT纹理参数在评估DEB-TACE治疗疗效中的价值。  结果  DEB-TACE治疗后,HCC患者增强CT纹理参数偏度、熵值、平均值及峰度均较治疗前降低,能量较治疗前上升,差异有统计学意义（P < 0.05）。经DEB-TACE治疗后,共86例患者预后良好,31例预后不良。不同预后患者经治疗后,偏度、熵值、平均值及峰度均较其治疗前降低,能量均较其治疗前上升,差异有统计学意义（P < 0.05）。预后良好组患者治疗前后偏度、熵值、平均值及峰度均低于预后不良组,治疗前后能量均高于预后不良组,差异有统计学意义（P < 0.05）。DEB-TACE治疗前纹理参数在预测HCC患者预后中的效能均较高(AUC>0.75),各参数联合应用的预测价值最高（AUC=0.920,95% CI:0.870~0.970）。DEB-TACE治疗后纹理参数在预测HCC患者预后中均具有一定的效能（AUC>0.70）,各参数联合应用的预测价值最高（AUC=0.810,95% CI:0.731~0.888）。  结论  增强CT纹理参数在评估HCC患者DEB-TACE治疗预后中具有一定的价值,可为临床HCC的治疗提供参考。      

术前MRI影像组学模型预测子宫内膜癌风险分层

目的 观察术前MRI影像组学模型预测子宫内膜癌(EC)风险分层的价值。方法 回顾性分析219例术前接受盆腔MR检查的EC患者,根据术后病理结果将其分为高风险组(n=104)及低风险组(n=115);按照不同检查时间将患者分别归入训练集(n=153)或测试集(n=66),并于集内划分亚组。以3D Slicer软件于MRI中手动勾画ROI,分别基于轴位、矢状位脂肪抑制(FS)T2WI及轴位、矢状位增强FS-T1WI中提取1 130个特征,之后以最小绝对收缩和选择算子(LASSO)算法分别选出12、14、16及12个(共54个)影像组学特征(联合MRI特征);再以LASSO降维并筛选出25个特征(联合LASSO特征)。以极度随机树算法分别基于各序列特征、联合MRI特征及联合LASSO特征构建模型;绘制受试者工作特征曲线,以曲线下面积(AUC)、准确度及F1评分评估各模型预测效能;以各模型在测试集中的AUC及主观阅片的AUC评估其预测效能。结果 训练集中,联合MRI模型与联合LASSO模型的准确率(0.784、0.777)、F1评分(0.730、0.731)及AUC(0.835、0.855)均...     

临床及CT影像组学特征预测胃癌微卫星高度不稳定状态

目的 观察临床和CT影像组学特征用于预测胃癌微卫星高度不稳定(MSI-H)状态的价值。方法 纳入150例胃癌患者,MSI-H阳性30例、阴性120例;按7∶3比例将其分为训练集(n=105)和验证集(n=45)。基于腹部静脉期增强CT图提取病灶影像组学特征并加以筛选,计算影像组学评分(Radscore);比较训练集和验证集MSI-H阳性与阴性患者临床资料及Radscore差异;分别基于其间差异有统计学意义的临床因素和Radscore构建临床模型、CT影像组学模型及临床-CT影像组学联合模型,评估其预测胃癌MSI-H状态的价值。结果 训练集和验证集中,MSI-H阳性与阴性肿瘤位置、Radscore差异均有统计学意义(P均<0.05)。临床模型、CT影像组学模型及联合模型评估训练集胃癌MSI-H状态的曲线下面积(AUC)分别0.760、0.799及0.864,在验证集分别为0.735、0.812及0.849;联合模型的AUC大于2种单一模型(P均<0.05)。结论 基于肿瘤位置和Radscore的临床-CT影像组学联合特征可有效预测胃癌MSI-H状态。     

CT影像组学预测结直肠癌肝转移术后患者1年内无进展生存期

目的 评价CT影像组学模型预测结直肠癌肝转移(CRLM)患者术后1年无进展生存期(PFS)的价值。方法 回顾性分析147例CRLM术前末次CT资料,将其分为训练集(n=100)及验证集(n=47),依据临床预后分为预后良好(PFS≥12个月)及预后不佳(PFS＜12个月)。手动分割CT所示肝转移灶,提取及选择特征后,基于训练集数据构建影像组学模型,以多因素logistic回归构建临床模型及联合模型。绘制受试者工作特征曲线,计算曲线下面积(AUC),评价并比较各模型预测CRLM患者术后PFS的效能。结果 共选出7个特征用于构建影像组学模型。临床模型中,原发灶N分期、有无基因突变及有无术后化疗是预测CRLM患者术后PFS的独立因素;联合模型中的独立因素还包括影像组学评分。影像组学模型、联合模型预测训练集CRLM患者术后PFS的AUC均大于临床模型(0.89、0.93及0.67,P均＜0.05);其在验证集的AUC依次为0.77、0.78及0.56,前二者的效能优于临床模型(P＜0.05)。结论 影像组学模型及联合模型预测CRLM患者1年内PFS的效能均较好。     

基于mRNA生物信息学分析的肺腺癌免疫基因预后风险模型建立与评估

目的采用生物信息学方法构建并验证肺腺癌免疫基因预后风险模型,探究该模型对早期肺腺癌患者预后的预测潜力。方法将癌症基因组图谱(The Cancer Genome Atlas,TCGA)来源的肺腺癌及正常组织数据作为训练集,将基因表达综合数据库(Gene Expression Omnibus,GEO)来源的肺腺癌及正常组织数据作为测试集。根据免疫学数据库和分析平台(Immunology Database and Analysis Portal,ImmPort)中提供的免疫相关基因,利用生物信息学手段根据训练集数据建立预后风险模型并在测试集中进行外部验证。采用该模型对38例临床早期肺腺癌患者的转录组数据进行分析,评估高、低危组患者的临床病理参数差异。结果构建了包含12个差异表达免疫基因(CYBB、ARG2、UTS2、LIFR、SHC3、CTLA4、FGF2、SEMA7A、INHA、GPI、ANGPTL4、TNFRSF11A)的肺腺癌预后风险模型;在训练集中,该模型ROC曲线下面积(AUC~(ROC))为0.759;在测试集中,AUC~(ROC)为0.707。对于训练集及测试集中的早期肺腺癌患者,该模型也有良好的预后预测能力。在早期肺腺癌临床样本中,高风险患者与更大的肿瘤直径及更差的病理分型有关。结论该模型在训练集及测试集中都表现出良好的预后预测能力,并对临床早期肺腺癌患者预后有一定的提示作用。这些免疫基因能够为早期肺腺癌诊断、患者预后评估及新的治疗靶点研究提供方向。     

基于决策树构建急诊创伤患者低体温早期预警模型及验证

目的 基于决策树构建急诊创伤患者低体温早期预警模型并进行验证。方法 回顾性选取2020年5月至2021年4月某院收治的急诊创伤患者376例作为研究对象，根据患者是否出现低体温分为低体温组、体温正常组。收集两组患者临床资料，通过单因素分析急诊创伤患者发生低体温的影响因素并作为建模变量；随后以3∶1的比例随机分为训练集与验证集，其中训练集构建决策树模型，验证集用于评估模型预测效能。结果 决策树模型筛选出急诊创伤患者低体温发生的影响因素主要排序为入室时休克、修正的创伤评分(revised trauma score, RTS)、受伤时环境温度和衣物潮湿；决策树模型在训练集中与验证集中的受试者工作特征曲线(receiver operating characteristic curve, ROC)曲线下面积(area under curve, AUC)分别为0.704、0.681。结论 基于入室时休克、RTS评分、受伤时环境温度和衣物潮湿构建决策树模型，能有效预测急诊创伤低体温风险。