定位CT影像组学联合患侧肺剂量学参数对乳腺癌放疗患者放射性肺炎发生的预测价值OACSTPCD

目的探讨基于机器学习算法的放射性肺炎(RP)预测模型的构建及价值。方法回顾性分析2019年8月至2022年9月于该院接受放疗并定期随访的77例乳腺癌患者的临床资料。在定位CT上勾画患侧肺作为感兴趣区域并提取影像组学特征,同时提取患侧肺剂量学参数。经过特征筛选后,将患者按7∶3分为训练集和测试集,提取定位CT影像组学特征并联合患侧肺剂量学参数,使用随机梯度下降(SGD)算法建立模型,采用受试者工作特征(ROC)曲线的曲线下面积(AUC)和决策曲线分析(DCA)验证模型效能。结果77例患者中24例在放疗结束后6个月内发生RP,发生率为31.17%。与未发生RP比较,发生RP患者的患侧肺V_(5)、V_(10)、V_(15)、V_(20)、V_(25)、V_(30)和平均肺剂量(MLD)更高,差异有统计学意义(P<0.05)。训练集中36例未发生RP、17例发生RP,测试集中17例未发生RP、7例发生RP。发生RP与未发生RP的训练集、测试集患侧肺剂量参数比较,差异无统计学意义(P>0.05)。经过特征筛选,最终得到8个最优特征组合。SGD模型在训练集五折交叉验证的平均AUC为0.900,测试集AUC为0.882。结论定位CT影像组学特征联合患侧肺剂量学参数对乳腺癌放疗后RP具有良好的预测价值。