编辑推荐：
构建CT radiomics预测模型评估非小细胞肺癌患者淋巴血管肿瘤mic embar（LTE）状态，采用195例LAC患者影像特征提取850个radiomics参数，经LASSO回归筛选出5个核心特征建立评分系统，验证混合模型（吸烟史+影像评分）在训练集（AUC 0.921 vs 0.878）和验证集（AUC 0.881 vs 0.877）均表现更优，虽未达统计差异，但校准曲线显示良好预测性能，且低评分组与高评分组无进展生存率差异显著。
构建一个放射组学诺模图模型，用于预测肺浸润性腺癌（LAC）患者中淋巴血管肿瘤栓子（LTE）的存在情况。
这项回顾性分析纳入了195名经病理学确诊的LAC患者，这些患者于2018年1月至2021年4月在潍坊人民医院接受治疗，其中LTE组152例，非LTE组43例。使用3D切片软件在术前CT图像上手动勾画出感兴趣的区域。随后提取了850个放射组学特征，并通过最小绝对收缩法（LASSO）和选择算子回归（SOR）进行特征降维。通过接收者操作特征曲线（ROC）分析、校准分析和决策曲线分析来评估预测模型的有效性。将数据分为低分组和高分组，应用对数秩检验（log-rank test），根据混合模型确定的最佳截断值分析早期无复发生存情况。
通过五个特征参数建立了放射组学评分（rad-score）。结合吸烟状态和放射组学特征的混合预测模型在训练队列（曲线下面积AUC为0.9210 vs 0.8781）和验证队列（AUC为0.8807 vs 0.8770）中表现出更好的预测效果，尽管未达到统计学显著性。诺模图的校准曲线显示该模型在两个队列中都能较好地预测LTE的存在情况。Kaplan-Meier生存曲线分析表明，根据混合模型确定的最佳截断值，低分组和高分组之间的无复发生存率存在显著差异。
基于CT放射组学的模型作为一种潜在的生物标志物，对LAC患者中LTE的存在情况具有很强的预测价值。
构建一个放射组学诺模图模型，用于预测肺浸润性腺癌（LAC）患者中淋巴血管肿瘤栓子（LTE）的存在情况。
这项回顾性分析纳入了195名经病理学确诊的LAC患者，这些患者于2018年1月至2021年4月在潍坊人民医院接受治疗，其中LTE组152例，非LTE组43例。使用3D切片软件在术前CT图像上手动勾画出感兴趣的区域。随后提取了850个放射组学特征，并通过最小绝对收缩法（LASSO）和选择算子回归（SOR）进行特征降维。通过接收者操作特征曲线（ROC）分析、校准分析和决策曲线分析来评估预测模型的有效性。将数据分为低分组和高分组，应用对数秩检验（log-rank test），根据混合模型确定的最佳截断值分析早期无复发生存情况。
通过五个特征参数建立了放射组学评分（rad-score）。结合吸烟状态和放射组学特征的混合预测模型在训练队列（曲线下面积AUC为0.9210 vs 0.8781）和验证队列（AUC为0.8807 vs 0.8770）中表现出更好的预测效果，尽管未达到统计学显著性。诺模图的校准曲线显示该模型在两个队列中都能较好地预测LTE的存在情况。Kaplan-Meier生存曲线分析表明，根据混合模型确定的最佳截断值，低分组和高分组之间的无复发生存率存在显著差异。
基于CT放射组学的模型作为一种潜在的生物标志物，对LAC患者中LTE的存在情况具有很强的预测价值。
生物通 版权所有
