论文部分内容阅读
背景肺隐球菌病(PC)主要是由新型隐球菌及Gattii隐球菌引起的一种肺部真菌性疾病。主要发生在HIV患者及其它免疫功能低下人群中,也有少部分免疫能力正常者患病。相关报道显示非艾滋病感染的PC发病率逐年增加。PC临床症状及体征缺乏特异性,影像学表现与肺癌、肺结核(TB)等其他肺部疾病之间存在一定重叠。另一方面隐球菌对脑膜及神经组织有着明显的亲和性,可以穿过血脑屏障造成严重的中枢神经系统感染。如果早期明确诊断,可以改善患者预后,避免不必要的影像复诊及手术操作。目的探讨影像组学预测模型鉴别结节/肿块型肺隐球菌病与周围型肺腺癌、肺结核的可行性。方法回顾性分析我院2016年10月-2019年5月内经过手术或穿刺活检病理检查证实的28例非HIV结节/肿块型PC和30例周围型肺腺癌、26例TB病人的CT扫描资料,应用GE Artificial Intelligence Kitl软件提取实性病灶区域影像组学特征,通过方差分析和秩和检验、spearman相关系数、最小绝对收缩与选择算法(Lasso)联合筛选主要特征参数,应用随机森林(RF)机器学习进行训练与测试,并绘制受试者工作曲线(ROC)来评估PC与肺腺癌组、PC与TB组的鉴别效能。另外观察PC与肺腺癌、TB各组基本临床资料与CT影像特征,分析影像特征差异并建立语义特征RF预测模型,以及语义特征与影像组学特征联合预测模型鉴别PC与周围型肺腺癌、TB。结果PC组年龄低于肺腺癌组二者间差异有统计学意义(P<0.05)。PC与TB组年龄、性别以及PC与肺腺癌组性别比例无显著差异。PC和周围型肺腺癌组结果显示形态、分叶、毛刺、胸膜凹陷及卫星灶几种影像征象在两组间差异有统计学意义(P<0.05)。影像组学筛选出包括关于灰度直方图参数的第10百分位数、灰度共生矩阵的熵、逆差距、集群阴影、游程矩阵的长行程优势等七个参数进行建模。PC和肺腺癌组语义特征模型、影像组学模型及二者联合模型的训练集的曲线下面积(AUC)分别为0.913、0.997、1,特异度分别为1、0.964、1,灵敏度分别为0.826、1、1;测试集AUC分别为0.795、0.963、0.950,特异度分别为0.875、0.778、0.9,灵敏分别为0.714、1、1。PC和TB组影像征象关于空洞、晕征、胸膜凹陷间有统计学差异(P<0.05)。影像组学筛选出灰度直方图的第10百分位数、灰度共生矩阵的相关性、游程矩阵的长行程优势等4个参数进行建模。PC和TB组语义特征模型、影像组学模型及二者联合模型的训练集AUC分别为0.790、0.956、0.944,特异度分别为0.938、0.821、0.889,灵敏度分别为0.643、0.933、1;测试集AUC分别为0.583、0.986、0.879,特异度分别为0.583、0.889、0.900,灵敏度分别为0.583、0.875、0.857。结论本研究基于CT平扫图像构建的影像组学模型可以用于结节/肿块型PC与周围型肺腺癌、TB的鉴别,较CT影像征象有更高的诊断效能。影像组学特征与CT主观语义特征联合的预测模型也具有良好的诊断效能,但不及单独的影像组学特征模型。