基于放射组学-临床决策图预测肺隐球菌肺炎的治疗效果

《Scientific Reports》：Based on a radiomics-clinical nomogram to predict the therapeutic effect of pulmonary cryptococcosis pneumonia

　　

摘要

我们旨在构建一种基于放射组学的临床决策图，用于预测肺曲霉病的治疗效果。从两个中心回顾性纳入了255例肺曲霉病患者（165例治疗效果良好，90例治疗效果不佳）。来自第一中心的190例患者按7:3的比例随机分为训练组（133例）和内部验证组（57例），而第二中心的数据则作为外部验证组（65例）。从平扫CT中提取的放射组学特征被输入到多种机器学习模型中。通过受试者工作特征曲线分析确定最优模型，进而构建放射组学模型和临床模型，并将二者结合形成可用于临床的决策图。这些模型通过受试者工作特征曲线分析、校准曲线分析以及决策曲线分析进行评估。在内部验证组中，支持向量机是性能最佳的分类器，其曲线下面积为0.848。尽管该决策图的性能与放射组学模型相近（曲线下面积分别为0.886和0.864；Delong检验结果为P=0.632），但其性能仍显著高于临床模型（曲线下面积分别为0.886和0.730、0.864和0.730；Delong检验结果为P<0.05）。决策图和放射组学模型的校准曲线及决策曲线分析均表明它们具有更强的预测能力和临床应用价值。放射组学模型和决策图能够无创地预测肺曲霉病的治疗效果，有助于实现精准干预。