谢敏，蒋恩琰，唐晨野，郭晓

    ·论 著·

    基于增强CT影像组学预测非肌层浸润性膀胱癌的病理分级

    谢敏1，蒋恩琰2，唐晨野3，郭晓3

    1.浙江中医药大学研究生院，浙江杭州 310053；2.中山大学附属第五医院生物医学影像重点实验室，广东珠海 519000；3.嘉兴市第二医院泌尿外科，浙江嘉兴 314000

    探讨基于增强CT影像组学建立的非肌层浸润性膀胱癌(non-muscle-invasive bladder cancer，NMIBC)病理分级预测模型的诊断价值。回顾性分析2015年1月至2018年12月嘉兴市第二医院病理确诊的81例NMIBC患者的临床资料，患者术前接受增强CT检查，收集其皮髓期和实质期影像资料，对膀胱肿瘤轮廓进行勾勒，提取一阶变量、纹理变量、形状特征、小波变换变量，总计1980个特征变量。采用最大相关最小冗余(max-relevance and min-redundancy，mRMR)算法与最小绝对收缩和选择算子(least absolute shrinkage and selection operatorLASSO)算法进行特征选择，最后利用多种机器学习算法结合有意义的特征变量建立预测模型，用于比较其预测NMIBC病理分级的敏感度、特异性和准确率。运用mRMR联合LASSO筛选出19个特征变量，使用K近邻分类(K-nearest neighbor，KNN)、神经网络(neural networks，NNET)、随机森林(random forest，RF)、支持向量机(support vector machines，SVM)4种机器学习算法建立模型并验证。4种模型建立成功且结果相对一致，其中RF模型表现相对稳定，在验证集中准确率为91.4%。在测试集中准确率为70.0%。通过术前增强CT影像组学结合机器学习算法可精准预测NMIBC病理分级，对推动膀胱癌个性化治疗具有科学意义。

    非肌层浸润性膀胱癌；增强CT；影像组学；机器学习；病理分级

    膀胱癌是泌尿生殖系统最常见的恶性肿瘤之一，发病率在恶性肿瘤中居第6位[1-2]。低危非肌层浸润性膀胱癌(non-muscle-invasive bladder cancer，NMIBC)通常在行经尿道膀胱肿瘤切除术(transurethral resection of bladder tumor，TUR-BT)后予膀胱灌注治疗；而高危NMIBC在TUR-BT后需予卡介苗灌注治疗1年以上，必要时行根治性膀胱切除术[2-3]。病理分级对膀胱癌手术方案的选择及术后管理具有重要意义[4] ......