术前薄层 CT 图像的瘤周影像组学特征可以预测肺腺癌通过气隙的扩散

本研究旨在开发一种机器学习模型，使用术前 CT 成像中提取的瘤周放射组学特征来预测肺腺癌通过气隙的扩散（STAS）。共纳入 339 例患者，随机分为训练组和测试组。使用训练队列创建了两个预测模型：基于肿瘤实变/肿瘤 (C/T) 比率的常规模型和基于肿瘤周围放射组学特征的机器学习模型。测试队列中两个模型的曲线下面积分别为 0.70 和 0.76（P = 0.045）。在接受放射组学模型的患者中，STAS 高危组的累积复发率 (CIR) 显着高于低危组。总之，基于瘤周放射组学特征的 STAS 预测机器学习模型比 C/T 比模型表现更好。