基于差异化网络分析的CT平扫期影像组学模型可有效预测及解释肾透明细胞癌WHO/ISUP核分级

目的 探讨基于差异化网络分析特征选择的CT影像组学模型预测肾透明细胞癌世界卫生组织/国际泌尿病理学会(WHO/ISUP)核分级的可行性,以及探讨模型特征的可解释性.方法 回顾性分析175例肾透明细胞癌患者的CT图像以及临床病理资料,其中训练集105例,测试集70例.使用ITK-SNAP和PyRadiomics软件平台对肿瘤的图像进行分割和特征提取.在训练集中,通过差异化网络分析进行特征选择,并构建不同期相的WHO/ISUP核分级预测模型.选择性能最佳的期相模型,并与其他机器学习模型和临床模型比较检验其性能.通过K-M生存分析、Cox回归分析以及风险评分,对最佳期相模型中的特征进行重要性评估,以验证其可解释性.结果 平扫期模型的预测效能最好,验证集中的曲线下面积均为0.76,优于其他机器学习模型以及临床模型(P<0.05).K-M生存分析、Cox回归分析以及风险评分分析结果均显示平扫期模型中的影像组学特征可预测无进展生存期.结论 基于差异化网络分析特征选择构建的平扫期模型不仅可以有效预测肾透明细胞癌的WHO/ISUP核分级,同时该模型的特征也能很好的预测无进展生存期,有较强的可解释性.