基于CT图像纹理分析联合临床指标构建肝细胞癌患者病理分化程度风险模型OA

目的:探索基于CT图像纹理特征联合临床指标构建肝细胞癌(HCC)病理分化程度的无创术前风险预测模型。方法:回顾性分析2022年6月至2025年6月新疆四七四医院80例HCC患者的临床资料,根据组织病理分化程度分为高分化组(n=38)和中低分化组(n=42)。收集两组临床资料及动脉期增强CT图像,经全瘤体积三维勾画感兴趣区(ROI)后提取纹理特征,通过LASSO回归降维后,采用Logistic回归筛选独立预测因子,利用R软件包绘制列线图模型,以ROC曲线、校准曲线评估模型效能。结果:中低分化组甲胎蛋白(AFP)≥400μg/L比例(76.19%vs.18.42%)、熵[(6.41±0.67)vs.(5.03±0.61)]、峰度[(2.27±0.42)vs.(1.90±0.35)]均明显高于高分化组(P<0.05)。Logistic回归显示,AFP水平≥400μg/L(OR=5.052,95%CI:1.546~16.504,P=0.007)、熵(OR=4.104,95%CI:1.340~12.568,P=0.013)、峰度(OR=3.417,95%CI:1.122~10.402,P=0.031)是独立预测因子。列线图模型的ROC曲线下面积(AUC)为0.898(95%CI:0.811~0.955),校准曲线与理想曲线拟合良好。结论:基于AFP水平、熵、峰度构建的列线图模型对HCC病理分化程度具有较高预测效能,可为临床术前无创评估及个体化治疗决策提供可靠参考。