特发性肺纤维化CT定量影像特征及其预后探索.pdf

摘要

目的：

1.基于CT定量分析（Quantitativecomputedtomography,QCT），探索IPF预后相关

的影像定量指标，并检验影像定量指标与肺功能参数相关性，为评估IPF预后提供新的

指标。

2.基于CT影像组学，探索可预测IPF预后的影像组学特征，开发、测试和验证影

像组学预测模型，并评估模型效能。

方法：

1.收集2018年01月-2020年12月河南省人民医院确诊为IPF患者，根据纳入标准、

排除标准和分组标准，最终将入组患者分为预后良好组和预后不良组。收集高分辨CT

影像、肺功能和一般临床资料（性别、年龄、吸烟史、吸烟指数、饮酒史、BMI、职业

接触史等），所有CT影像由我院医学影像系统导出，以DICOM格式保存。计算复合

生理指标（Thecompositephysiologicindex,CPI），包括以往经常使用的CPI1以及经人

工智能软件修订过的CPI。使用医学影像信息系统（版本号：FACT-Lung1.7.6.5）对感

2

兴趣区（regionofinterest，ROI）进行勾画，包括：蜂窝影、网格影、磨玻璃影、支气

管扩张影。定义蜂窝影和网格影为肺纤维化区。采用SPSS26.0统计学软件，对比两组

临床资料差异性。

2.基于CT定量分析：通过医学影像信息系统对全肺及各ROI区进行定量计算，包

括体积相关定量指标（全肺体积、各肺叶体积、上肺及下肺体积；各ROI总体积，各

ROI在各肺叶、双上肺和双下肺中体积及占比、各ROI在全肺体积中占比；肺纤维化区

在上肺和下肺及全肺中体积及占比、在各肺叶中体积及占比）、密度相关定量指标（全

肺平均密度、各肺叶平均密度、左肺及右肺平均密度；各ROI平均密度、各ROI在各

肺叶平均密度）等。使用SPSS26.0统计学软件，比较两组CT定量指标的差异性。评估

CT定量指标与肺功能参数和CPI的相关性，筛选可能成为有意义的临床预测预后指标。

3.基于CT影像组学：使用OnekeyAIplatform软件进行影像组学任务。包括：①图

像预处理；②使用医学影像信息系统进行蜂窝影ROI勾画；③通过OnekeyAIplatform

软件进行影像特征提取，主要包括：形状特征、一阶特征和纹理特征；④特征降维：统

I

计学检验（T检验或曼-惠特尼U检验）、特征相关性检验（Pearson检验）、Lasso回

归降维；⑤按照7:3比例随机划分患者，构建训练集和测试集；⑥模型构建：采用k-近

邻（k-NearestNeighbor,kNN）、支持向量机（SupportVectorMachine,SVM）和LightGBM

（LightGradientBoostingMachine）三种算法在训练集中构建模型，保留最佳模型；⑦

模型效能评估：在测试集中检验模型效能，包括准确率、灵敏度、特异度、NPV、PPV、

F1分数等，并绘制ROC曲线，计算AUC，评估影像组学模型在预测IPF预后中的效能。

结果：

1.临床资料分析共纳入171例IPF患者，男性134（78.36%）人,女性37（21.64%）

人，纳入患者平均年龄（68.95±9.42）岁，具有吸烟史101（59.06%）人，否认吸烟史

2

70（40.94%）人，平均吸烟指数为722.28±565.35，平均BMI（23.32±3.08）kg/m，有

饮酒史73（42.69%）人，否认饮酒史98（57.31%）人，有特殊物质接触史8（4.68%）

人，否认特殊物质接触史163（95.32%）人。根据分组标准，最终预后良好组共纳入70

例IPF患者，预后不良组共纳入101例IPF患者。两组仅在BMI中差异具有统计学意义

（P0