低剂量CT影像组学列线图鉴别纯磨玻璃样微浸润性腺癌和浸润性腺癌

目的：探讨低剂量CT影像组学列线图鉴别纯磨玻璃样结节（pGGN）中肺微浸润性腺癌（MIA）和肺浸润腺癌（IAC）的价值。方法：回顾性分析2018年1月至2023年4月温州医科大学附属第五医院经手术病理证实且CT表现为pGGN的239例肺腺癌患者的临床和CT影像资料，包括MIA 93例和IAC 146例。采用完全随机法以7:3的比例将患者分为训练集（n=167）和验证集（n=72）。使用Radcloud平台提取低剂量CT图像中病灶的影像组学特征，通过降维保留纳入模型的最佳特征。随后，建立3种机器学习分类器包括逻辑回归（LR）、支持向量机（SVM）和随机森林（RF），以验证集中曲线下面积（AUC）最高的分类器作为最佳影像组学模型，并将其结果输出为影像组学评分（Rad-score）。将P<0.05的临床和CT形态学特征纳入到多因素Logistic回归分析中，筛选出鉴别MIA和IAC的独立危险因素，并建立临床模型。最终，基于Rad-score和临床危险因素构建联合模型，并绘制列线图。采用受试者工作特征（ROC）曲线的AUC、灵敏度、特异度和准确度评价模型的诊断性能。结果：通过降维得到15...