基于高分辨率CT征象建立logistic回归模型对IA期肺腺癌高级别模式的预测价值

• Published in: 中国癌症杂志 Vol. 33; no. 8; pp. 768 - 775
• Main Authors: 董浩, 邱勇刚, 汪鑫斌, 杨俊杰, 楼存诚, 叶晓丹, YIN Lekang
• Format: Journal Article
• Language: Chinese
• Published: 杭州市萧山区第一人民医院放射科,浙江 杭州 311200%杭州市萧山区第一人民医院病理科,浙江 杭州 311200%复旦大学附属中山医院放射科,上海 200032 2023; 复旦大学附属中山医院肿瘤中心,上海 200032; 上海医学影像研究所,上海 200032
• Subjects: 高级别模式; High-grade pattern; Prediction model; High-resolution CT; 预测模型; Lung adenocarcinoma; 肺腺癌; 高分辨率CT
• ISSN: 1007-3639
• DOI: 10.19401/j.cnki.1007-3639.2023.08.005

R734.2; 背景与目的:研究表明,当存在高级别组织学模式(微乳头状和实体模式)时,肺腺癌患者的预后明显较差,往往需要更积极的治疗方式,术前确定浸润性肺腺癌中是否存在任何高级别模式(high-grade pattern,HGP)可以帮助预测患者的预后并确定治疗策略.本研究旨在建立基于高分辨率计算机体层成像(computed tomography,CT)征象的logistic回归模型预测ⅠA期肺腺癌的HGP.方法:回顾性分析经病理学检查证实为ⅠA期肺腺癌的443例患者(445个病灶)的临床、病理学及影像学资料.根据病理学检查结果有无HGP将445个病灶分成两组:HGP组(n=88个)和非HGP(non-HGP,n-HGP)组(n=357个).患者的临床病理学资料包括年龄、性别、吸烟史、肿瘤位置、分期及病理生长方式等.CT影像学上观察病灶大小、密度、形状、毛刺征、分叶征、空泡征、空气支气管征、胸膜凹陷征等.两组间定量参数比较采用Mann-Whitney U检验,计数资料采用χ2检验或Fisher确切概率法.采用单因素结合多因素logistic回归分析筛选独立预测因子,并根据多因素logistic回归分析结果分别构建临床模型、CT模型及临床-CT模型,模型间诊断效能的比较采用Delong检验.结果:单因素分析中HGP组与n-HGP组之间年龄、性别、吸烟史、肿瘤大小、密度、形状、毛刺、分叶征、胸膜牵拉差异有统计学意义(P＜0.05),多因素logistic 回归分析结果显示肿瘤大小(P = 0.040;OR=1.063,95%CI:1.003～1.126)、密度(P＜0.001;OR=8.249,95%CI:4.244～16.034)、分叶征(P = 0.001;OR=3.101,95%CI:1.598～6.021)是HGP的独立预测因素,临床模型、CT模型、临床-CT模型预测HGP的曲线下面积(area under curve,AUC)值分别为0.634、0.838及0.834.结论:肿瘤大小、密度与分叶征是ⅠA期肺腺癌HGP的独立预测因子.基于高分辨率CT征象的logistic回归模型具有较好的诊断效能,可以为临床诊断及制订外科治疗方案提供一定的参考依据.