基于增强CT影像组学列线图在预测小肾肿瘤良恶性的价值OA

目的:探讨基于CT影像组学列线图模型在术前鉴别小肾肿瘤(≤4 cm)良恶性的临床价值。方法:2015年1月—2025年1月济宁市第一人民医院253例小肾肿瘤患者,分为良性组(59例)和恶性组(194例),同时又分为训练集(203例)及验证集(50例)。分别对皮质期(CP)、实质期(NP)、排泄期(EP)及联合三期提取患者影像组学特征,通过K折/LASSO回归筛选关键特征构建模型,选择联合模型计算Rad分数。联合临床独立预测因子(肿瘤最大径、性别)建立列线图模型,采用济宁医学院附属医院108例用于外部验证。通过ROC曲线及其曲线下面积(AUC)、决策曲线评估各模型的诊断效能及临床价值。结果:分别在CP、NP、EP和三期联合中获得5个、6个、10个和16个区分特征,并基于这些特征建立逻辑回归模型。在训练集中,逻辑回归模型在区分小肾肿瘤良恶性时CP、NP、EP和三期联合的AUC分别为0.692、0.743、0.805和0.838。基于三期联合Rad分数和选择的临床因素构建的影像组学列线图在区分良恶性小肾肿瘤的训练集上表现良好(AUC=0.870,95%CI 0.806~0.934)。在训练集中,三期联合模型和影像组学列线图鉴别小肾肿瘤良恶性比临床因素模型具有更好的临床效用。此外,三期联合模型及列线图模型在外部验证数据集中同样显示出良好的性能,AUC分别为0.824(95%CI 0.724~0.923)和0.812(95%CI 0.684~0.940)。决策曲线显示其模型具有临床净获益。结论:三期联合模型联合临床特征构建的CT影像组学列线图可准确预测小肾肿瘤的良恶性。