关键词:
胃神经鞘瘤
胃间质瘤
危险度分级
鉴别诊断
计算机断层成像
影像组学
摘要:
目的:建立基于增强CT影像组学模型,评价其在胃神经鞘瘤(gastric schwannoma,GS)与不同危险度分级胃间质瘤(gastrointestinal stromal tumor,GIST)鉴别诊断中的价值。方法:收集我院自2015年8月至2021年11月经术后病理证实的GS患者26例,GIST患者82例。所有入组患者术前均未接受抗肿瘤治疗,于术前均接受腹部增强CT检查。根据术后病理,参照《中国临床肿瘤学会(CSCO)胃肠间质瘤诊疗指南2022》中原发胃间质瘤危险度分级标准,本组82例GIST患者中,极低危7例,低危22例,中危26例,高危27例,将极低危和低危患者划分为低恶性潜力GIST组29例,中危和高危患者划分为高恶性潜力GIST组53例。将入组患者按7:3的比例分为训练集和验证集。记录患者的临床特征(年龄、性别、有无消化道出血),分析肿瘤的CT影像特征,包括:肿瘤位置(胃底、胃体、胃窦),长径,形状(规则或不规则),生长方式(腔内、腔外或腔内外),有无瘤内出血,有无溃疡,有无囊变,有无液化坏死,有无钙化,密度是否均匀,边界是否清楚,平扫CT值,动脉期CT值,静脉期CT值,动脉期CT值净增值,静脉期CT值净增值,肿瘤强化方式(均匀或不均匀),以及瘤周最大淋巴结短径。对上述特征进行单因素、多因素逻辑回归分析,筛选鉴别GS与GIST的独立预测因素。使用ITK-SNAP软件,在静脉期薄层图像进行全瘤手动分割,提取影像组学特征,通过单因素分析、相关性分析、LASSO回归及多因素逐步回归进行特征筛选,保留具有独立影响因子的影像组学特征。基于临床特征、CT影像特征建立传统模型,基于影像组学特征建立影像组学模型,联合上述特征建立组合模型,评估各模型鉴别GS和GIST的诊断效能,及其在鉴别GS与不同危险度分级GIST的诊断效能。结果:训练集77例,包括GS 19例、GIST 58例,其中低恶性潜力GIST 21例,高恶性潜力GIST 37例;验证集31例,包括GS 7例、GIST 24例,其中低恶性潜力GIST 8例,高恶性潜力GIST 16例。(1)肿瘤位置、长径、有无囊变、有无液化坏死、密度是否均匀、静脉期CT值、动脉期CT值净增值、强化是否均匀在训练集GS和GIST之间的差异有统计学意义(r均<0.05)。其中肿瘤位置、有无囊变、动脉期CT值净增值及强化是否均匀是鉴别GS与GIST的独立预测因素,据此建立传统模型,其在训练集和验证集AUC分别为0.939、0.869,准确率分别为0.818、0.774。(2)共提取影像组学特征1595个,最终保留了 8个影像组学特征构建影像组学模型。其在训练集和验证集AUC分别为0.949、0.839,准确率分别为 0.922、0.774。(3)将传统特征中的肿瘤位置、有无囊变、动脉期CT值净增值、强化是否均匀及影像组学模型输出的放射组学分数(rad-score)进行多因素逐步回归。肿瘤位置、动脉期CT值净增值、强化是否均匀以及rad-score是鉴别GS与GIST的独立预测因素,据此构建组合模型,其在训练集和验证集AUC分别为0.989、0.964,准确率分别为0.961、0.871。(4)使用综合判别改善指数(Integrated DiscriminationImprovement,IDI)对传统模型、影像组学模型以及组合模型的诊断效能进行比较,结果显示:组合模型鉴别GS与GIST的诊断效能高于传统模型(IDI=0.2538,r<0.05),组合模型较传统模型的诊断效能为正改进。在训练集和验证集中,三种模型的DCA曲线均高于两条参考线,组合模型临床净收益均高于传统模型。(5)在训练集及验证集中,传统模型、影像组学模型、组合模型鉴别GS与高恶性潜力GIST的诊断效能多高于鉴别GS与低恶性潜力GIST的诊断效能。组合模型鉴别GS与高恶性潜力GIST、GS与低恶性潜力GIST的诊断效能均高于传统模型(IDI=0.2418,r<0.05;IDI=0.2749,r<0.05)。结论:1.肿瘤位置、动脉期CT值净增值、强化是否均匀以及rad-score是鉴别GS与GIST的独立预测因素。2.基于CT影像特征和影像组学特征的组合模型鉴别GS与GIST、GS与不同危险度分级GIST的诊断效能高于传统模型,或可成为术前准确鉴别胃神经鞘瘤与胃间质瘤的无创、精准的新方法。