基于临床和增强CT特征对肝内胆管癌微血管侵犯与神经侵犯的联合预测模型构建OA

目的基于临床和增强CT特征构建肝内胆管癌(ICC)微血管侵犯(MVI)与神经侵犯(PNI)的联合预测模型。方法选取性4个中心2012年1月至2023年5月病理诊断为ICC的患者252例为研究对象,术前均行增强CT检查,其中随访227例。采用Kaplan-Meier曲线分析无复发生存期(RFS),采用对数秩检验进行组间比较。采用最小绝对收缩和选择算子(LASSO)多步骤分析筛选MVI/PNI阳性的独立预测因素并构建机器学习模型。结果MVI/PNI阴性组与MVI/PNI阳性(单阳或双阳)组RFS比较差异均有统计学意义(P<0.001)。LASSO结果显示肿瘤位置、血小板与淋巴细胞比值(PLR)、动脉期强化类型、影像TMN分期、肿瘤数量、肝内胆管扩张是MVI/PNI阳性表达的独立预测因素,4种机器学习算法的受试者工作特征(ROC)曲线下面积(AUC)分别为0.741、0.781、0.802和0.736,其中极端梯度提升(XGBoost)模型具有较高的AUC值及较大的净收益,夏普利可解释性算法(SHAP)可实现个体化应用。结论基于临床和CT影像特征的机器学习模型能够同时预测MVI与PNI状态,并通过可解释性SHAP算法提供个体化预测。