18F-FDG PET 影像组学联合临床因素构建列线图：精准预测淋巴瘤患者骨髓受累的新突破

为解决非侵入性预测淋巴瘤患者骨髓受累（BMI）的问题，研究人员开展了结合 18F-FDG PET 影像组学和临床因素构建列线图的研究。结果显示该列线图预测效果良好，能为核医学医生治疗前评估提供决策支持。

　　本研究旨在开发并验证一种结合 18F - 氟代脱氧葡萄糖正电子发射断层扫描（18F-FDG PET）影像组学和临床因素的列线图，以非侵入性地预测淋巴瘤患者的骨髓受累（BMI）情况。研究使用单中心数据开发影像组学列线图，数据随机分为训练集（70%）和测试集（30%），骨髓活检（BMB）作为 BMI 诊断的金标准。通过单因素和多因素逻辑回归分析确定独立临床风险因素，构建临床模型。从 PET 和 CT 图像中提取影像组学特征，利用最小绝对收缩和选择算子（LASSO）回归进行特征选择，为每位患者生成影像组学评分（Radscore）。基于临床因素、CT Radscore 和 PET Radscore，使用八种机器学习算法建立并评估模型，以确定最佳预测模型，构建联合模型并制成列线图。采用受试者工作特征曲线下面积（AUC）、校准曲线和决策曲线分析（DCA）评估模型性能。
研究共纳入 160 例患者，根据 BMB 结果，其中 70 例存在 BMI。训练组有 112 例患者（BMI 56 例，无 BMI 56 例），测试组有 48 例患者（BMI 14 例，无 BMI 34 例）。独立风险因素（包括结外受累数量和 B 症状）被纳入临床模型。在临床模型、CT Radscore 和 PET Radscore 中，测试集的 AUC 分别为 0.820（95% 置信区间：0.705 - 0.935）、0.538（95% 置信区间：0.351 - 0.723）和 0.836（95% 置信区间：0.686 - 0.986）。由于 CT Radscore 诊断性能有限，列线图基于 PET Radscore 和临床模型构建。该影像组学列线图在训练集和测试集的 AUC 分别达到 0.916（95% 置信区间：0.865 - 0.967）和 0.863（95% 置信区间：0.763 - 0.964）。校准曲线和 DCA 证实了列线图在两组中的区分度、校准度和临床实用性。
综上所述，整合 PET Radscore、结外受累数量和 B 症状的 18F-FDG PET 影像组学列线图，为预测淋巴瘤患者的骨髓状态提供了一种非侵入性方法，为核医学医生进行治疗前评估提供了有价值的决策支持。