基于影像组学和临床参数建立免疫相关性肺炎的特征模型的探索.pdf

中文摘要

基于影像组学和临床参数建立免疫相关性肺炎的特征模型的探索

研究目的：

基于肺癌患者的胸部CT图像筛选与免疫相关性肺炎有关的影像组学特征，

通过机器学习，结合临床参数构建免疫相关性肺炎的特征模型，并与放射性肺

炎及病毒性肺炎相鉴别。

研究方法：

回顾性收集2018年10月至2022年12月于我院诊断免疫相关性肺炎（CIP）、

放射性肺炎（RP）的肺癌患者和诊断病毒性肺炎（VP）的非肿瘤患者的影像学

资料（胸部CT图像）和临床参数（基本临床特征和实验室指标）。首先利用统计

学方法分析不同肺炎的临床参数，筛选与各类肺炎相关的临床参数特征。然后使

用PyRadiomics工具包提取CT图像上肺炎区域的影像组学特征，随后采用最小绝

对收缩和选择算子（LASSO）进一步对影像组学特征进行筛选，并进行五折交叉

验证，从而得到与鉴别各类肺炎高度相关的影像特征数据。之后使用随机森林

（RF）、支持向量机（SVM）、逻辑回归（LR）、极端梯度提升（XGBoost）四种

机器学习算法对筛选出的单独的CT图像特征建立免疫相关性肺炎、放射性肺炎

及病毒性肺炎的模型。另外，再次使用这四种机器学习算法对联合临床参数的影

像组学特征建立免疫相关性肺炎、放射性肺炎及病毒性肺炎的模型。最后应用受

试者工作曲线（ROC）和曲线下面积（AUC）评估这些模型的鉴别效能。

研究结果：

1．本研究共纳入166例符合入组标准的患者，其中CIP34例，RP62例，

VP70例。

2

2．对患者的基本临床特征进行分析，结果显示年龄、BMI、ECOG评分

以及既往是否吸烟在CIPvsRP、CIPvsVP以及CIPvsVP中均无统计学差异

（P0.05）。性别在RPvsVP中无统计学差异（P=0.353）；在CIPvsRP、CIPvs

VP中有统计学差异（P0.05），其中CIP组男性占比高于RP组（P=0.001）；CIP

I

组男性占比高于VP组（P=0.009）。

3．对患者的实验室指标进行分析，Kruskal-Wallis检验结果显示有9个与区

分三类肺炎相关的实验室指标。CIP组乳酸脱氢酶（LDH）高于RP组，白蛋白

（ALB）、血小板与淋巴细胞比值（PLR）低于RP组（P0.05）；CIP组嗜酸性粒

细胞计数（EC）、嗜碱性粒细胞计数（BC）、ALB高于VP组，LDH低于VP组

（P0.05）；RP组EC、BC、ALB高于VP组，白细胞计数（WBC）、中性粒细胞计

数（ANC）、LDH低于VP组（P0.05）。其中ALB、LDH对鉴别三组中的每两组肺

炎均有意义。

4．经PyRadiomics软件包提取、LASSO筛选后共得到26个具有差异的CT图

像特征，分别为8个强度特征、7个形状特征、11个纹理特征。利用四种机器学

习算法对单独的影像组学特征建模结果显示，RF算法表现最优，CIP与RP两组鉴

别的AUC为0.662，CIP与VP两组鉴别的AUC为0.708，RP与VP两组鉴别的AUC

为0.777（AUC0.5表示模型具有鉴别能力）。

5．利用四种机器学习算法对联合临床参数的影像组学特征建模结果显示，

RF算法表现最优，CIP与RP两组鉴别的AUC为0.899，CIP与VP两组鉴别的AUC

为0.85，RP与VP两组鉴别的AUC为0.896。

研究结论：

1．白蛋白、乳酸脱氢酶对鉴别免疫相关性肺炎、放射性肺炎及病毒性肺炎

有临床意义。

2．基于影像组学能够建立免疫相关性肺炎的特征模型，并与放射性肺炎及

病毒性肺炎相鉴别。

3．影像组学特征联合临床参数建立的免疫相关性肺炎的模型可进一步提高

与放射性肺炎、病毒性肺炎模型的鉴别效能。

关键词：

免疫相关性肺炎，放射性肺炎，病毒性肺炎，机器学习，影像组学，临床

参数