论文部分内容阅读
目的:以鼻咽癌患者的临床特征及初诊影像学特征为核心指标,构建鼻咽癌复发转移的风险评估联合预测模型,并评价模型的效能。方法:共纳入2013.02-2017.12就诊于遵义医科大学附属医院且满足纳排标准的初诊无远处转移的鼻咽癌患者（140例）,进行了3年及其以上的随访,其主要观察终点为无复发转移生存（recurrence or metastasis free survival,RMFS）,次要观察终点为肿瘤特异性生存（cancer specific survival,CSS）。收集了患者临床和治疗前影像的相关信息（T分期、N分期、EB病毒DNA、T1WI加权序列、T2WI加权序列和增强序列等）;将患者按照7:3的比例随机分为训练组和验证组（98例和42例）。通过3D-Slicer软件勾画所有患者的肿瘤感兴趣区域（region of interest,ROI）,并且利用Py Radiomics包在ROI中提取肿瘤的影像特征,采用皮尔森相关系数（Pearson correlation coefficient,PCC）筛选出相关性好的两个特征和随机森林（random forest,RF）法确定与复发转移最相关的特征;Cox多因素回归分析在训练组中分别构建临床模型（clinical model,CM）、影像组学模型（radiomics model,RM）和临床-影像组学模型（clinical-radiomics model,CRM）;通过模型计算每个患者的风险值（rad-score）。利用曲线下面积（Area under curve,AUC）验证模型的敏感性和特异性;所有患者通过CRM模型的中位风险值分为高低复发转移风险组,Kaplan-Meier曲线比较了两组的3年无复发转移率（recurrence or metastasis free rate,RMFR）和3年的CSS率;我们构建了CRM的诺莫图、校正曲线及计算一致性指数（C-index）评估模型的预测能力。结果:1.140例患者的中位随访时间是61.36（56.89-65.85）个月。其中,复发转移者41例,无复发转移者99例。2.从增强磁共振中总共提取了960个影像特征。通过皮尔森相关系数和随机森林法最终得到了与复发转移相关的46个特征。3.在训练组中通过Cox多因素回归分析筛选出9个因素（7个影像特征和2个临床因素）,基于以上独立因素成功构建了鼻咽癌复发转移风险评估模型CRM,该模型预测3年RMFS的AUC值为0.863,（p＜0.001,95%CI:0.715-0.971）,敏感性和特异性分别为:0.80和0.78;在验证组中,预测3年RMFS的AUC值为0.888（p＜0.001,95%CI:0.833-0.943）,敏感性和特异性分别为:0.86和0.81。4.Kaplan-Meier生存分析显示由CRM分出的高复发转移风险组的3年RMFR和3年CSS率明显低于低风险组（p＜0.001）。我们基于CRM构建诺莫图直观地评估复发转移风险,训练组的C-index为0.776。训练组和验证组的校准曲线显示该模型预测的RMFR与实际RMFR具有较高的吻合度。5.针对临床-影像组学模型对不同治疗方式的预测效能进行分析,结果显示,无论后续纳入的患者采取何种治疗模式,该模型均具有很好的预测复发转移风险的效能。6.此外,该模型评估显示,在高危组中,接受辅助化疗患者的3年无复发转移率高达70.0%,明显高于未接受辅助化疗患者（46.8%）,p=0.034,提示该模型下的高危组患者接受辅助化疗,可能会提高患者的3年无复发转移率;而针对该模型评估的低危患者,后续治疗可以考虑不联合辅助化疗。结论:本研究基于影像特征和临床因素构建了预测鼻咽癌患者复发转移的多组学联合模型,该模型具有较好的区分鼻咽癌患者复发转移高风险、低风险人群的能力。