简介：摘要目的探讨基于CT影像组学列线图鉴别甲状腺滤泡性肿瘤良生与恶性的价值。方法回顾性收集2016年1月至2018年12月复旦大学附属肿瘤医院经手术病理证实的200例甲状腺滤泡性肿瘤患者的临床资料及CT图像，其中甲状腺滤泡癌（FTC）46例、甲状腺滤泡腺瘤（FTA）154例。采用随机数表法随机分为训练集（n=140）和验证集（n=60）。采用LIFEx软件提取增强CT图像的48个影像组学特征。根据最小绝对收缩和选择算子回归进行特征降维、筛选及模型建立，在此基础上绘制列线图。利用受试者操作特征曲线及曲线下面积（AUC）评估列线图预测甲状腺良性与恶性滤泡性肿瘤的效能，通过校准曲线对列线图进行内部及外部验证，最后应用决策曲线分析评估列线图的临床应用价值。结果经筛选得到4种特征用于建立预测甲状腺良性与恶性滤泡性肿瘤的列线图，分别为灰度区域矩阵（GLZLM）-区域长度不均匀性、GLZLM-低灰度区域因子、传统指数-HU单元Q3值、传统指数-HU单元平均值。列线图在训练集中区分FTC和FTA的AUC为0.863（95%CI 0.746~0.932），准确度为87.9%，灵敏度为67.9%，特异度为91.1%；验证集中AUC为0.792（95%CI 0.658~0.917），准确度为75.0%，灵敏度为66.7%，特异度为90.5%。校正曲线结果显示列线图预测值与病理结果之间具有良好的一致性，决策曲线分析表明列线图在临床上具有良好的应用价值。结论CT影像组学模型对于鉴别甲状腺良性与恶性滤泡性肿瘤具有较好的效能，基于此的列线图可准确、直观地预测甲状腺滤泡性肿瘤患者的恶性概率。

简介：摘要目的探讨基于CT影像组学的机器学习方法在预测胰腺癌CD8+T细胞浸润及预后的价值。方法回顾性分析2011年12月至2017年1月间在复旦大学附属肿瘤医院接受手术切除并经术后病理证实的胰腺癌患者150例，采用简单随机化法，按照7∶3比例将患者划分为训练集（n=105）和验证集（n=45）。以病理免疫组化染色评价CD8+T细胞浸润，以中位数为界，将患者分为高浸润组和低浸润组，均为75例。生存资料的比较采用Kaplan-Meier法和log-rank检验。基于训练集术前静脉期增强CT图像提取影像组学特征，采用Wilcoxon检验和最大相关最小冗余法选取最优特征集。在此基础上，构建3种监督学习的机器学习模型，分别为决策树、随机森林和极端随机树模型，在验证集中对其预测胰腺癌CD8+T细胞浸润状态的效能进行验证，评价指标包括：受试者操作特征曲线下面积（AUC）、F1分数、准确度、精确度和召回率。结果高浸润组与低浸润组患者的中位总生存时间别为875、529 d，差异有统计学意义（χ²=11.53，P<0.001）。在训练集中筛选出10个影像组学特征，基于这10个最优影像组学特征建立的决策树、随机森林和极端随机树模型在验证集中的AUC分别为0.620、0.704、0.745，F1分数为0.457、0.667、0.744，准确度为57.8%、68.9%、75.6%，精确度为66.7%、73.7%、80.0%，召回率为34.8%、60.9%、69.6%。结论CD8+T细胞高浸润组胰腺癌的预后优于低浸润组，基于影像组学的极端随机树模型在预测胰腺癌CD8+T细胞浸润上具有较高价值。