楊采薇，劉曦嬌，魏毅，張鑫，尹曉南，尹源，宋彬

胃腸道間質(zhì)瘤(gastrointestinal stromal tumor，GIST)是最常見的間葉源性腫瘤，其起源于消化道間質(zhì)的卡哈爾(Cajal)細(xì)胞或起源于具有多分化潛能的卡哈爾細(xì)胞的前體細(xì)胞(間質(zhì)干細(xì)胞)[1]。GIST可發(fā)生于消化道任何部位，發(fā)病率約百萬分之十到百萬分之二十[1]。GIST免疫組化檢測通常表達(dá)CD117和DOG1陽性[2]。GIST的形成主要是由于編碼酪氨酸激酶受體KIT和血小板衍生生長因子受體α(PDGFRA)的基因發(fā)生突變，導(dǎo)致相應(yīng)的酪氨酸激酶受體成為原癌基因的驅(qū)動(dòng)因素[2]。GIST可能發(fā)生遠(yuǎn)處轉(zhuǎn)移，最常見的轉(zhuǎn)移部位是肝和腹膜。評(píng)估GIST的生物學(xué)行為有助于患者的輔助治療及對(duì)治療方案做出個(gè)體化決策[3]。細(xì)胞增殖指數(shù)，也被稱為Ki-67增殖指數(shù)(Ki-67 proliferation index，Ki-67 PI)，是指每個(gè)細(xì)胞群中Ki-67陽性染色細(xì)胞的百分比，Ki-67 PI是評(píng)估腫瘤異質(zhì)性和細(xì)胞增長的一個(gè)重要的免疫組化標(biāo)志物[4]。

之前的研究表明，CT影像學(xué)參數(shù)能有效進(jìn)行Ki-67 PI與GIST風(fēng)險(xiǎn)分層的相關(guān)性評(píng)估[5]，并且CT影像學(xué)特征對(duì)GIST術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)的預(yù)測也具有很高價(jià)值[6]。然而，由于肉眼難以正確判斷CT圖像的所有信息，這些定性的影像征象分析可能會(huì)受到不同觀察者的影響。影像組學(xué)可以將數(shù)字圖像轉(zhuǎn)化為提取分析的高通量客觀數(shù)據(jù)，來評(píng)估腫瘤的病理生理學(xué)特征，這在一定程度上解決了腫瘤異質(zhì)性難以評(píng)估和量化的問題[7]。之前研究也表明，影像組學(xué)可以應(yīng)用于評(píng)估GIST的生物學(xué)行為，包括惡性潛能、有絲分裂計(jì)數(shù)、預(yù)后和基因突變狀態(tài)等[8,9]。因此，本研究目的為基于GIST的影像組學(xué)特征聯(lián)合增強(qiáng)CT征象對(duì)術(shù)前Ki-67 PI高表達(dá)進(jìn)行無創(chuàng)性預(yù)測，挖掘具有診斷價(jià)值的影像組學(xué)特征和傳統(tǒng)CT征象，以期對(duì)臨床精準(zhǔn)治療和預(yù)后評(píng)估提供術(shù)前指導(dǎo)。

材料與方法

1.研究對(duì)象

回顧性搜集我院2010年9月-2020年9月經(jīng)手術(shù)病理確診的原發(fā)性GIST患者的病例資料。病例納入標(biāo)準(zhǔn)：有完整術(shù)前4周內(nèi)的腹部增強(qiáng)CT圖像且圖像滿足影像分析與組學(xué)分析的要求；無其他腫瘤病史及腫瘤治療史；病例排除標(biāo)準(zhǔn)：手術(shù)標(biāo)本未進(jìn)行Ki-67的免疫病理學(xué)染色。

2.檢查方法

患者于CT檢查前一天清淡飲食，檢查當(dāng)天禁食8 h,掃描前40 min～1 h口服溫開水600～1000 mL。采用飛利浦Brilliance 64、西門子Somatom Definition AS+ Somatom Definition Flash行CT檢查。掃描參數(shù)：管電壓120 kV，管電流145～200 mA，層厚 2～5 mm，層間距5 mm，視野30～50 cm，矩陣512×512，螺距1.0。患者取仰臥位并雙臂伸直置于頭側(cè)，掃描范圍為膈頂至恥骨聯(lián)合上緣。先行常規(guī)CT平掃，之后行增強(qiáng)掃描。增強(qiáng)掃描采用高壓注射器經(jīng)肘靜脈團(tuán)注對(duì)比劑碘普羅胺(拜耳先靈,1.0 mL/kg,3.0～4.5 mL/s)，分別于注射對(duì)比劑后50 s、80 s采集動(dòng)脈晚期和實(shí)質(zhì)期圖像。

3.傳統(tǒng)影像學(xué)征象評(píng)估

所有圖像均傳輸至圖像存儲(chǔ)與傳輸系統(tǒng)(PACS)，由兩位腹部影像診斷醫(yī)師(分別有6年和10年工作經(jīng)驗(yàn))在Syngo Imaging Workplaces工作站(Version VB35A,Siemens AG,Erlangen,Germany)采用盲法獨(dú)立分析圖像。分析并記錄相關(guān)的影像特征，包括腫瘤大小(腫瘤橫軸面的最大長徑)、邊界、形狀、生長方式(包括外生型、腔內(nèi)型和混合型)、有無壞死、有無鈣化、有無潰瘍、有無腫瘤內(nèi)含氣、有無囊變、強(qiáng)化方式(均勻或不均勻)、強(qiáng)化程度、有無增粗的供血或引流靜脈、有無直接侵犯鄰近臟器、有無增大淋巴結(jié)、有無系膜脂肪浸潤及有無遠(yuǎn)處轉(zhuǎn)移。強(qiáng)化程度在實(shí)質(zhì)期圖像評(píng)估，輕度強(qiáng)化定義為CT值增加小于20 HU，中度強(qiáng)化定義為CT值增加20～40 HU，重度強(qiáng)化定義為CT值增加大于40 HU。當(dāng)結(jié)果不一致時(shí)兩位醫(yī)生討論達(dá)成一致意見。

4.影像組學(xué)分析

圖像分割:在醫(yī)院PACS 系統(tǒng)中將所有納入患者的實(shí)質(zhì)期CT圖像以DICOM格式導(dǎo)出并導(dǎo)入ITK-Snap 軟件(開源軟件，www.itk-snap.org)進(jìn)行感興趣區(qū)(region of interest,ROI)勾畫，勾畫以手動(dòng)方式在橫軸面圖像上進(jìn)行。ROI應(yīng)包含病灶所有成分，包括壞死、鈣化及血管，避開腸管、氣體及周圍系膜組織，邊緣距離腫瘤邊緣1 mm，勾畫出腫瘤最大層面的單層ROI圖像和腫瘤最大層面及鄰近層面(瘤周區(qū)域)的雙層ROI圖像。

圖1 胃間質(zhì)瘤患者，男，76歲。a)術(shù)前軸面增強(qiáng)CT圖像示胃大彎內(nèi)生性黏膜下腫瘤，可見少許壞死，可見黏膜下強(qiáng)化、輕度強(qiáng)化及不均勻強(qiáng)化征象；b)術(shù)后病理證實(shí)為胃間質(zhì)瘤，Ki-67增殖指數(shù)為7%，為高Ki-67表達(dá)。 圖2 胃間質(zhì)瘤患者，男，42歲。a)術(shù)前軸面增強(qiáng)CT 圖像示胃底內(nèi)生性黏膜下腫瘤，呈均勻中度強(qiáng)化；b)術(shù)后病理證實(shí)為胃間質(zhì)瘤,Ki-67增殖指數(shù)為4%，為低Ki-67表達(dá)。

特征提?。簩⒐串嬐瓿傻腞OI圖像分別導(dǎo)入IF軟件(GE healthcare)提取病灶特征，提取的組學(xué)特征包括Original、Ipris、Wavelets、LBP、PLBP、WILBP、CoLIAGe、Shearlets和Gabors。該軟件在完成離散化步驟的同時(shí)自動(dòng)提取了組學(xué)特征參數(shù)。隨機(jī)篩選出50個(gè)腫瘤的ROI中提取的組學(xué)參數(shù)進(jìn)行一致性參數(shù)評(píng)價(jià)，用于個(gè)體間的比較。在個(gè)體內(nèi)和個(gè)體間比較中一致性參數(shù)評(píng)價(jià)值大于0.75的組學(xué)參數(shù)被納入組學(xué)模型的參數(shù)篩選中。

數(shù)據(jù)處理和模型構(gòu)建：數(shù)據(jù)分析、模型建立及各模型的評(píng)價(jià)：選擇70%作為訓(xùn)練集，30%作為驗(yàn)證集，按照隨機(jī)分層抽樣原理得到分配結(jié)果。采用重復(fù)分層分割法以減少單一驗(yàn)證數(shù)據(jù)集的偏向選擇。采用最適合于高維數(shù)據(jù)的LASSO算法從主要數(shù)據(jù)集中選擇最具預(yù)測性的組學(xué)特征和傳統(tǒng)影像特征。使用所選組學(xué)特征和傳統(tǒng)影像特征的線性組合，并以其LASSO系數(shù)加權(quán)，計(jì)算出組學(xué)特征和傳統(tǒng)影像特征得分，即Rad-score=a1X1+a2X2+...+ anXn+b。由于特征不滿足正態(tài)性，本研究采用Spearman等級(jí)相關(guān)系數(shù)冗余分析。Spearman相關(guān)系數(shù)顯示值為0.9，也就是說對(duì)于所有特征，都進(jìn)行了兩兩相關(guān)的計(jì)算。當(dāng)系數(shù)r≥0.9時(shí)，系統(tǒng)會(huì)隨機(jī)刪除一個(gè)特征，保留另一個(gè)特征。在訓(xùn)練集中分別計(jì)算組學(xué)特征和傳統(tǒng)影像特征的得分，利用多變量邏輯回歸，結(jié)合組學(xué)特征及傳統(tǒng)影像學(xué)特征，建立組合模型。在驗(yàn)證集中評(píng)估模型的性能。為了提高性能，考慮到本研究的樣本量有限，對(duì)模型進(jìn)行了10倍的交叉驗(yàn)證。在正則化L1邏輯回歸中，許多特征得到了效能改善。為了提高綜合模型的性能，在交叉驗(yàn)證過程中獲得了最佳的λ值。在訓(xùn)練集中劃分了10個(gè)獨(dú)立的子隊(duì)列，其中8個(gè)子隊(duì)列用于模型擬合，剩下的子隊(duì)列用于驗(yàn)證集。每個(gè)子群都被當(dāng)作一個(gè)驗(yàn)證隊(duì)列，該程序被驗(yàn)證了10次。重復(fù)10次后，每個(gè)子組都被視為驗(yàn)證集。最后，在交叉驗(yàn)證集中獲得了λ值，并用正則化L1邏輯回歸顯示結(jié)果。

5.Ki-67 PI分析

由病理學(xué)醫(yī)師盲法觀察腫瘤細(xì)胞的形態(tài)，記錄Ki-67 PI值，以閾值5%將GIST分類為高Ki-67 PI組(Ki-67 PI≥5%)和低Ki-67 PI組(Ki-67 PI<5%)。

6.統(tǒng)計(jì)學(xué)分析

采用SPSS 24.0軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。計(jì)量資料以均值±標(biāo)準(zhǔn)差表示，兩組間計(jì)量資料的比較采用t檢驗(yàn)或Wilcoxon秩和檢驗(yàn)。兩組間定性資料的比較采用卡方檢驗(yàn)或Fisher確切概率法。將不同Ki-67 PI分組中差異有統(tǒng)計(jì)學(xué)意義的傳統(tǒng)影像征象、CT組學(xué)參數(shù)及兩者結(jié)合的參數(shù)分別進(jìn)行模型建立，采用logistic回歸分析或多元回歸分析。在訓(xùn)練集和驗(yàn)證集中，通過受試者工作特征(receiver operating characteristic，ROC )曲線分析和曲線下面積(area under curve，AUC)評(píng)價(jià)傳統(tǒng)影像特征、影像組學(xué)和組合模型的診斷效能。對(duì)模型采用擬合度檢驗(yàn)來校準(zhǔn)ROC曲線，采用臨床預(yù)測模型的決策曲線分析(decision curve analysis，DCA)評(píng)估其性能。以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

1.臨床資料、病理學(xué)結(jié)果和傳統(tǒng)影像學(xué)征象

本研究最終納入患者305例，其中男162例，女143例，納入患者的平均年齡為(54.29±12.00)歲(年齡范圍21～83歲)。高Ki-67 PI組患者有138例，低Ki-67 PI組患者有167例(圖1、2)。在傳統(tǒng)影像征象中，腫瘤大小、強(qiáng)化方式、壞死、腫瘤內(nèi)含氣、增粗的供血或引流靜脈、直接侵犯鄰近臟器及系膜脂肪浸潤在高Ki-67 PI組與低Ki-67 PI組間的差異有統(tǒng)計(jì)學(xué)意義(P值均<0.05)。兩組患者的臨床資料、病理學(xué)結(jié)果和傳統(tǒng)影像學(xué)征象見表1。

表1 臨床資料和傳統(tǒng)影像學(xué)征象比較 (n,%)

2.影像組學(xué)結(jié)果及各模型的診斷效能

IF軟件共生成5234個(gè)原始影像組學(xué)特征，通過一致性參數(shù)評(píng)價(jià)檢驗(yàn)初步篩選出一致性參數(shù)大于0.75的892個(gè)組學(xué)特征，再經(jīng)過Lasso-logistic回歸(L1正則化)，最終篩選出11個(gè)影像組學(xué)特征，分別為Double_wavelet.LLL_lbp.3D.m2_firstorder_Skewness (cont. var.)、Double_textural_phenotype_level_30.40. (cont.var.)、Single_wavelet.HLH_lbp.3D.k_firstorder_Entropy (cont. var.)、Single_textural_phenotype_level_70.80. (cont. var.)、Double_CoLIAGe2D_WindowSize3_Entropy_firstorder_Minimum (cont.var.)、Double_Normalized_radial_lengths_standard_deviation (cont.var.)、Single_original_glszm_LargeAreaEmphasis (cont.var.)、Single_wavelet.HHL_lbp.3D.m1_firstorder_Median (cont.var.)、Double_CoLIAGe2D_WindowSize9_Difference.Entropy_firstorder_Range (cont.var.)、Single_wavelet.HLH_lbp.3D.m1_firstorder_Median (cont.var.)、Double_wavelet.HHH_lbp.3D.m1_firstorder_Mean (cont. var.)；最終建立組學(xué)模型(圖3)。

圖3 a)通過最小標(biāo)準(zhǔn)的10倍交叉驗(yàn)證用于選擇LASSO模型中的調(diào)整參數(shù)(lambda)。繪制了二項(xiàng)式偏差與對(duì)數(shù)(lambda)的關(guān)系圖，沿X軸上部的數(shù)字表示預(yù)測因子的數(shù)量。在最佳值處用最小標(biāo)準(zhǔn)和最小標(biāo)準(zhǔn)的標(biāo)準(zhǔn)誤畫出點(diǎn)狀垂直線；b)396個(gè)影像組學(xué)特征的LASSO系數(shù)曲線。Y軸是系數(shù)的值，下方X軸表示對(duì)數(shù)(lambda)。上方X軸為非零系數(shù)的數(shù)目。垂直線畫在使用10倍交叉驗(yàn)證選擇的值。 圖4 a) 訓(xùn)練集中，傳統(tǒng)影像模型、組學(xué)模型及組合模型的ROC曲線； b) 驗(yàn)證集中，傳統(tǒng)影像模型、組學(xué)模型及組合模型的ROC曲線； c) 訓(xùn)練集中，傳統(tǒng)影像模型、組學(xué)模型及組合模型的DCA曲線； d) 驗(yàn)證集中傳統(tǒng)影像模型、組學(xué)模型及組合模型的DCA曲線。注：Clinical model為傳統(tǒng)影像模；Radiomic model為組學(xué)模型；Combined model為多參數(shù)組合模型。

在組學(xué)模型中，訓(xùn)練集和驗(yàn)證集預(yù)測GIST Ki-67 PI表達(dá)的效能良好，AUC值分別為0.802(95%CI：0.744～0.860)和0.730(95%CI：0.623～0.836)，準(zhǔn)確度、敏感度和特異度見表2。

對(duì)于傳統(tǒng)影像征象，通過單因素差異性分析(Fisher's精確檢驗(yàn)或Wilcoxon檢驗(yàn))、多因素邏輯回歸和Step AIC 逐步邏輯回歸，篩選得出傳統(tǒng)征象中的腫瘤大小、含氣及系膜脂肪浸潤這3個(gè)征象，并建立傳統(tǒng)影像模型。在該傳統(tǒng)影像模型中，訓(xùn)練集和驗(yàn)證集預(yù)測GIST Ki-67 PI表達(dá)的診斷效能尚可，AUC值分別為0.720(95%CI：0.651～0.788)及0.665(95%CI：0.547～0.784)，準(zhǔn)確度、敏感度和特異度見表2。

利用上述篩選出來有統(tǒng)計(jì)學(xué)意義的傳統(tǒng)影像征象和組學(xué)參數(shù)建立組合模型。組合模型在訓(xùn)練集和驗(yàn)證集預(yù)測GIST Ki-67 PI表達(dá)的AUC值分別為0.823(95%CI：0.768～0.878)及0.731(95%CI：0.626～0.836)，準(zhǔn)確度、敏感度、特異度值見表2。

表2 傳統(tǒng)影像征象模型、組學(xué)模型及組合模型的診斷效能

在訓(xùn)練集和驗(yàn)證集中，傳統(tǒng)影像模型、組學(xué)模型及組合模型的ROC曲線和各模型的DCA決策曲線見圖4。組合模型的校準(zhǔn)曲線見圖5，結(jié)果顯示訓(xùn)練集和驗(yàn)證集的預(yù)測觀察值與實(shí)際觀察值之間具有良好的一致性。

圖5 校準(zhǔn)曲線。

討 論

本研究建立并驗(yàn)證了基于增強(qiáng)CT的影像組學(xué)模型來預(yù)測GIST的Ki-67 PI表達(dá)水平，表明了這是一種有效的臨床決策和侵襲性評(píng)估的影像學(xué)方法。GIST具有不同的惡性潛能和生物學(xué)行為，侵襲性高的GIST具有高復(fù)發(fā)和轉(zhuǎn)移率。Ki-67 PI是評(píng)估腫瘤異質(zhì)性和細(xì)胞增長的一個(gè)重要免疫組化標(biāo)志物[4]。根據(jù)有絲分裂計(jì)數(shù)，Ki-67核蛋白在G1、S和G2三個(gè)期的增殖細(xì)胞中高度表達(dá)，而在G0期下調(diào)，意味著其參與腫瘤細(xì)胞增殖、侵襲性和惡性潛能的發(fā)生發(fā)展[4]。根據(jù)以往的研究，Ki-67 PI高表達(dá)是GIST侵襲性、惡性潛能和不良生存預(yù)后的獨(dú)立預(yù)測指標(biāo)。高Ki-67 PI的GIST患者生存時(shí)間縮短，分子靶向治療的療效較差[10-13]。此外，Ki-67 PI與GIST的KIT或PDGFRA基因突變明顯相關(guān)，這可能有助于基因靶向治療的個(gè)體多學(xué)科規(guī)劃[14]。然而，目前臨床上采取活檢的方式獲得組織標(biāo)本進(jìn)行病理學(xué)檢測。作為有創(chuàng)檢查，活檢操作存在發(fā)生并發(fā)癥的風(fēng)險(xiǎn)，如引起腫瘤出血、腫瘤破潰并增加腫瘤播散的危險(xiǎn)等[15]。創(chuàng)傷相對(duì)較小的超聲內(nèi)鏡下細(xì)針穿刺活檢僅限于超聲內(nèi)鏡可以達(dá)到的消化道管腔范圍內(nèi)。由于穿刺獲得組織較少，診斷難度常較大，部分需要反復(fù)穿刺才能明確診斷。針對(duì)部分多發(fā)病灶的GIST存在各個(gè)病灶間基因突變類型不一致的情況，目前臨床無法實(shí)現(xiàn)一一穿刺。因此，術(shù)前對(duì)GIST的Ki-67 PI的非侵入性預(yù)測非常有價(jià)值。

相關(guān)研究表明，Ki-67 PI的高表達(dá)與GIST的惡性潛能顯著相關(guān)[13,16,17]。然而，Ki-67 PI在GIST患者的臨床治療中并不是一個(gè)明確的預(yù)后預(yù)測因素，Ki-67 PI的最佳臨界值仍不清楚。在以往的研究中，對(duì)于GIST高Ki-67值的臨界值確定說法不一，從2.5%到10%均有采用[13,16,17]。在本研究中，筆者根據(jù)以往的研究將 “Ki-67 PI >5%”定義為高Ki-67 PI組。本研究采用5%作為高、低Ki-67值臨界值的原因有兩個(gè):一個(gè)是在病理、臨床和預(yù)后方面的研究中取得的結(jié)果不錯(cuò)，并且與4%、6%的數(shù)值相差不大;第二是本研究的Ki-67值范圍從1%到50%波動(dòng)，并且中位數(shù)的值為5%，因此選擇5%作為臨界值將GIST分為了高Ki-67 PI組和低Ki-67 PI組。以前研究發(fā)現(xiàn)[5]，傳統(tǒng)形態(tài)學(xué)CT特征是GIST Ki-67 PI表達(dá)水平的預(yù)測因素，這與本研究結(jié)果一致。本研究多變量回歸分析結(jié)果顯示，腫瘤大小、含氣及系膜脂肪浸潤是Ki-67 PI高表達(dá)水平的獨(dú)立預(yù)測因素。然而，這些基于形態(tài)學(xué)的傳統(tǒng)影像特征可能會(huì)受到不同觀察者的影響。影像組學(xué)將影像圖像轉(zhuǎn)換為高通量的數(shù)字化數(shù)據(jù)，這些數(shù)據(jù)可以反映腫瘤的內(nèi)在病理生理學(xué)。影像組學(xué)已被應(yīng)用于預(yù)測各種腫瘤的Ki-67 PI表達(dá)水平。Gu等[18]建立了影像組學(xué)模型來預(yù)測非小細(xì)胞肺癌的Ki-67 PI表達(dá)水平，并取得了很好的準(zhǔn)確度。Ma等[19]發(fā)現(xiàn)從動(dòng)態(tài)增強(qiáng)MRI中提取的定量影像組學(xué)特征與乳腺癌的Ki-67 PI表達(dá)有關(guān)。此外，一項(xiàng)研究還建立了預(yù)測肝細(xì)胞癌Ki-67 PI狀態(tài)的影像組學(xué)組合模型，該模型具有較高的鑒別能力和良好的校準(zhǔn)度[20]。

上述研究表明了影像組學(xué)預(yù)測Ki-67 PI表達(dá)水平的實(shí)用性，但目前很少有使用影像組學(xué)對(duì)GIST的Ki-67 PI狀態(tài)進(jìn)行評(píng)估。因此，筆者使用基于增強(qiáng)CT的定量影像組學(xué)特征來預(yù)測GIST 的Ki-67 PI表達(dá)水平，結(jié)果表明該影像組學(xué)特征建立的組學(xué)模型在訓(xùn)練集和驗(yàn)證集組中顯示出比傳統(tǒng)影像學(xué)模型更高的診斷效能，AUC值分別為0.802和0.730；于是進(jìn)一步建立一個(gè)包含傳統(tǒng)影像特征和影像組學(xué)特征的結(jié)合模型，在良好的校準(zhǔn)下，取得了比傳統(tǒng)影像模型和影像組學(xué)模型更高、更穩(wěn)定的預(yù)測效能(在驗(yàn)證集中的預(yù)測性能更穩(wěn)定)，AUC值分別為0.823(95%CI：0.768～0.878)和0.731。上述結(jié)果可能證明了影像組學(xué)特征在反映腫瘤內(nèi)異質(zhì)性方面比臨床傳統(tǒng)形態(tài)學(xué)的影像分析更有優(yōu)勢，可能間接表明GIST的細(xì)胞增殖狀態(tài)。

本研究存在以下局限性：首先，所有的臨床病理和影像學(xué)數(shù)據(jù)都是單中心回顧性的，然而生成的影像組學(xué)模型經(jīng)過內(nèi)部測試集的驗(yàn)證，以減少偏差，并取得了令人滿意的性能；其次，與分子靶向藥物的治療效果和進(jìn)一步預(yù)后有關(guān)的實(shí)驗(yàn)未開展，我們期待建立一個(gè)更全面的預(yù)測模型來展開更多的研究。本研究結(jié)果需要在未來的研究中使用進(jìn)一步的前瞻性和多中心研究來提高影像組學(xué)的預(yù)測性能。

綜上所述，本研究結(jié)果表明，基于增強(qiáng)CT的影像組學(xué)聯(lián)合傳統(tǒng)影像特征建立的組合模型具有無創(chuàng)預(yù)測GIST患者Ki-67 PI表達(dá)狀態(tài)的價(jià)值。