南京医科大学学报(自然科学版)

作者：李巧，王宇昊，夏一凡，张玉东

单位：南京医科大学第一附属医院放射科,,泌尿外科，江苏 南京 210029,,南京医科大学第一附属医院放射科,,南京医科大学第一附属医院放射科,

关键词：透明细胞肾细胞癌;CT影像组学;机器学习;免疫浸润

基金：国家自然科学基金（82272082）

目的：基于集成机器学习（machine learning，ML）及增强CT构建透明细胞肾细胞癌（clear cell renal cell carcinoma， ccRCC）免疫影像（immuno-radiomics，ImRad）分型并探讨其对患者预后生存的预测价值。方法：收集癌症基因图谱（the cancer genome atlas，TCGA）数据库113例ccRCC患者的临床、影像及基因表达信息，提取全肿瘤影像组学特征，基于集成ML进行特征筛选并构建免疫浸润、肿瘤突变负荷、免疫耗竭相关基因的 ImRad 分型。进一步多因素 Cox 回归分析 ImRad 对患者总生存 （overall survival，OS）的预测效能。结果：经ML构建30个ImRad分型，经五折法验证，基于朴素贝叶斯算法对肿瘤免疫微环境的预测效能最佳（曲线下面积0.717~0.956）。与基于临床、病理及ImRad单模态指标对比，融合临床-病理及ImRad的模型预测 OS的效能最佳。ImRad特征中，Rad-激活态肥大细胞等8个特征是OS的独立预测因子。结论：基于集成ML及CT组学分析可预测ccRCC免疫微环境并提高预测患者术后生存的效能。

来源：2023年第9期

《南京医科大学学报(自然科学版)》期刊编辑部

查看南京医科大学学报(自然科学版)杂志2023年第9期