简介：摘要目的探讨基于治疗前增强CT图像纹理特征预测非小细胞肺癌(NSCLC)免疫治疗疗效的可行性。方法回顾性分析2018年1—7月在上海市胸科医院接受二线单药免疫治疗的42例NSCLC患者51个病灶的治疗前增强CT图像资料。应用MaZda软件计算感兴趣区内病灶图像的纹理特征参数，分别采用Fisher系数法、交互信息法、分类错误概率联合平均相关系数法筛选10个纹理特征参数。根据首次免疫治疗疗效，将51个病灶分为无进展组(26个)和进展组(25个)，比较两组间各纹理特征参数的差异。分别采用主成分分析(PCA)、线性判别分析(LDA)和非线性判别分析(NDA)方法对靶病灶的免疫治疗效果进行分类，计算各分类方法的灵敏度、特异度、准确性，并采用受试者工作特征曲线分析比较各分类方法预测疗效的效能。结果在Fisher系数、相关信息法和分类错误概率联合平均相关系数法提取的3组纹理特征中，进展组的Perc.50%、Perc.90%、S(4，4)SumEntrp和S(5，5)SumEntrp均高于无进展组(均P<0.05)。以分类错误概率联合平均相关系数法提取的纹理特征进行NDA法分类预测NSCLC免疫治疗疗效的效能最佳(曲线下面积为0.802，95% CI为0.674～0.930)，其预测疾病进展的灵敏度、特异度、准确性、阳性预测值和阴性预测值分别为72.0%、88.5%、80.4%、85.7%和76.7%。结论治疗前增强CT图像纹理特征可以用于预测NSCLC免疫治疗的疗效。

简介：摘要目的探讨基于治疗前增强CT图像纹理特征预测非小细胞肺癌(NSCLC)免疫治疗疗效的可行性。方法回顾性分析2018年1—7月在上海市胸科医院接受二线单药免疫治疗的42例NSCLC患者51个病灶的治疗前增强CT图像资料。应用MaZda软件计算感兴趣区内病灶图像的纹理特征参数，分别采用Fisher系数法、交互信息法、分类错误概率联合平均相关系数法筛选10个纹理特征参数。根据首次免疫治疗疗效，将51个病灶分为无进展组(26个)和进展组(25个)，比较两组间各纹理特征参数的差异。分别采用主成分分析(PCA)、线性判别分析(LDA)和非线性判别分析(NDA)方法对靶病灶的免疫治疗效果进行分类，计算各分类方法的灵敏度、特异度、准确性，并采用受试者工作特征曲线分析比较各分类方法预测疗效的效能。结果在Fisher系数、相关信息法和分类错误概率联合平均相关系数法提取的3组纹理特征中，进展组的Perc.50%、Perc.90%、S(4，4)SumEntrp和S(5，5)SumEntrp均高于无进展组(均P<0.05)。以分类错误概率联合平均相关系数法提取的纹理特征进行NDA法分类预测NSCLC免疫治疗疗效的效能最佳(曲线下面积为0.802，95% CI为0.674～0.930)，其预测疾病进展的灵敏度、特异度、准确性、阳性预测值和阴性预测值分别为72.0%、88.5%、80.4%、85.7%和76.7%。结论治疗前增强CT图像纹理特征可以用于预测NSCLC免疫治疗的疗效。