臨床特征聯(lián)合CT影像組學(xué)列線圖預(yù)測(cè)T1-2期直腸癌淋巴結(jié)轉(zhuǎn)移的價(jià)值分析

關(guān)鍵詞：影像組學(xué)，列線圖，直腸癌，淋巴結(jié)

中圖分類(lèi)號(hào)：F274；F721 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-9545（2025）03-0096-（08）

DOI：10.19717/j. cnki. jjun. 2025.03.018

直腸癌（Rectalcancer，RC）是最常見(jiàn)的消化道惡性腫瘤之一，在我國(guó)病死率在所有惡性腫瘤中排第5位[1]。隨著人們對(duì)健康的重視程度不斷增加， T_1～2 期RC的發(fā)病率也不斷增加。雖然T_1～2 期RC發(fā)生淋巴結(jié)轉(zhuǎn)移（lymphnodemetasta-sis，LNM）的概率不高，但淋巴結(jié)（Lymphnode，LN）轉(zhuǎn)移與否是RC患者預(yù)后和復(fù)發(fā)的重要影響因素[2]。此外，LN狀態(tài)還影響 RC 患者治療方案的選擇，如決定術(shù)前是否行新輔助放化療（Neo-adjuvantchemoradiotherapy，nCRT）或?qū)δ[瘤行局部切除，尤其是對(duì)低位且具有強(qiáng)烈保肛意愿的RC患者準(zhǔn)確評(píng)估LN狀態(tài)更具重要意義[3]。影像組學(xué)可以自動(dòng)從醫(yī)學(xué)影像圖像中提取大量人眼難以識(shí)別的定量特征，這些特征能夠很好的反映病變的病理生理學(xué)特點(diǎn)，目前已廣泛應(yīng)用于臨床研究[4-6]。列線圖是一種能夠直觀可視化評(píng)估個(gè)體患病風(fēng)險(xiǎn)的評(píng)分模型，已應(yīng)用于臨床多個(gè)研究領(lǐng)域，但有關(guān)動(dòng)態(tài)列線圖的研究比較罕見(jiàn)。目前，有關(guān)T_1～2 期RC患者評(píng)估其LN狀態(tài)的研究相對(duì)較少，本研究嘗試?yán)门R床特征聯(lián)合CT影像組學(xué)構(gòu)建動(dòng)態(tài)列線圖預(yù)測(cè) T_1～2 期RC的LN狀態(tài)的可行性，并通過(guò)內(nèi)部及外部驗(yàn)證組驗(yàn)證所構(gòu)建聯(lián)合模型的泛化能力。

1臨床資料與方法

1.1一般資料

回顧性分析皖南醫(yī)學(xué)院第一附屬醫(yī)院（弋磯山醫(yī)院）2018年1月至2023年12月RC患者的臨床病理及影像資料，納入標(biāo)準(zhǔn)： ① 均行RC根治性手術(shù)，術(shù)后病理明確診斷為 T_1～2 期，且術(shù)中LN清掃數(shù)目不低于12個(gè)； ② 有完整的臨床及CT影像資料； ③ 既往無(wú)盆腔手術(shù)史，術(shù)前未行放化療等非手術(shù)治療； ④ 術(shù)前均有腸鏡檢查記錄。排除標(biāo)準(zhǔn)： ①CT 圖像偽影較重或病灶顯示不清，無(wú)法滿足評(píng)估與測(cè)量； ② 伴有其他臟器遠(yuǎn)處轉(zhuǎn)移，如肝、肺等； ③ 同時(shí)伴有其他部位惡性腫瘤、炎癥性疾病或血液系統(tǒng)疾病。經(jīng)以上納排標(biāo)準(zhǔn)共篩選出滿足條件的RC患者183例（ 期29例、T2期154例），男108例，女75例，其中LNM患者44例，NLNM患者139 例，年齡35～83歲，平均（ 62.1±10.1 ）歲，腺癌176例，黏液腺癌7例。將以上患者按 7：3 采用分層抽樣隨機(jī)分為訓(xùn)練組（ n=128 ）與內(nèi)部驗(yàn)證組（ n=55 ），另選取同期蕪湖市第二人民醫(yī)院滿足以上納排條件的54 例 T_1-2 期RC患者為外部驗(yàn)證組，其中LNM患者14例，NLNM患者40例。本研究通過(guò)了弋磯山醫(yī)院倫理委員會(huì)審核。

1.2方法

1.2.1基線資料搜集通過(guò)弋磯山醫(yī)院電子病歷系統(tǒng)收集入組的RC患者基線資料，包括一般資料（年齡、性別），術(shù)前1周內(nèi)血清學(xué)檢查指標(biāo)「中性粒細(xì)胞、淋巴細(xì)胞、單核細(xì)胞、血小板、癌胚抗原（Carcinoembryonicantigen，CEA）、碳水化合物抗原（carbohydrateantigen199，CA19-9）]，并計(jì)算中性粒細(xì)胞與淋巴細(xì)胞比（Neutrophillymphocyteratio，NLR），血小板與淋巴細(xì)胞比（Plateletlymphocyteratio，PLR）和淋巴細(xì)胞與單核細(xì)胞比（Lymphocytemonocyte ratio，LMR）。

1.2.2圖像分割與特征提取將增強(qiáng)CT靜脈期1.5mm 薄層圖像以BMP格式從工作站中導(dǎo)出（1a），使用MaZda紋理分析軟件（4.6，http：//www.eletel. p.lodz.pl/programy/mazda/index.php？action Σ= mazda）自帶的灰度調(diào)節(jié)軟件將圖像歸一化，打開(kāi)MaZda軟件的2D模式，將圖像導(dǎo)入軟件，然后由一名具有5年及一名具有15年以上工作經(jīng)驗(yàn)的影像科醫(yī)師在所有掃描層面病灶顯示最大層面沿瘤體緩慢勾畫(huà)感興趣區(qū)（Regionof inter-est，ROI）（圖1b），并分割圖像（圖1c），然后提取紋理特征，共提取298個(gè)紋理特征。

圖1CT圖像分割與特征提取

1.3統(tǒng)計(jì)學(xué)分析

采用SPSS23.0、R（版本4.1.2）軟件進(jìn)行統(tǒng)計(jì)分析。Mann-WhitneyU檢驗(yàn)或獨(dú)立樣本 χ_t 檢驗(yàn)用于連續(xù)變量比較，卡方檢驗(yàn)或Fisher精確概率法用于分類(lèi)變量。采用多因素logistic回歸分析篩選獨(dú)立危險(xiǎn)因素。采用組內(nèi)相關(guān)系數(shù)（Intra-classcorrelationcoefficient，ICC）評(píng)價(jià)兩名醫(yī)師提取特征的一致性，最小絕對(duì)收縮與選擇算子算法（Least absolute shrinkage and selection operator，LASSO）對(duì)紋理特征進(jìn)行降維，受試者工作特征（Receiveroperatingcharacteristic，ROC）曲線下面積（Areaundercurve，AUC）評(píng)價(jià)模型的效能;校準(zhǔn)曲線評(píng)價(jià)模型的校準(zhǔn)度，校準(zhǔn)曲線建立在bootstrap方法1000次重復(fù)抽樣的基礎(chǔ)上；采用delong檢驗(yàn)、赤池信息準(zhǔn)則（Akaikeinformationcri-terion，AIC）、貝葉斯信息準(zhǔn)則（Bayesianinforma-tioncriterion，BIC）比較模型的診斷效能，決策曲線（Decisioncurveanalysis，DCA）評(píng)價(jià)模型的臨床適用價(jià)值。 plt;0.05 表示差異具有統(tǒng)計(jì)學(xué)意義。

2結(jié)果

2.1訓(xùn)練組與內(nèi)部及外部驗(yàn)證組臨床影像資料比較

訓(xùn)練組男76例，女52例，年齡35～83歲，平均 （ 62.1±10.3 ）歲；內(nèi)部驗(yàn)證組男32例，女23例，年齡36～79歲，平均（ 62.3±9.8 ）歲；外部驗(yàn)證組男34例，女20例，年齡 35～85 歲，平均（ 69.2±11.1） 。訓(xùn)練組與內(nèi)部驗(yàn)證組比較差異均無(wú)統(tǒng)計(jì)學(xué)意義（均 plt;0.05 ），與外部驗(yàn)證組比較僅年齡差異有統(tǒng)計(jì)學(xué)意義（ p=0.002 ），其它差異均無(wú)統(tǒng)計(jì)學(xué)意義（均 plt;0.05 ），見(jiàn)表1。

表1訓(xùn)練組與內(nèi)部及外部驗(yàn)證組臨床影像資料比較

2.2特征篩選

將提取的298個(gè)紋理特征先經(jīng)Z-score標(biāo)準(zhǔn)化，然后經(jīng)ICC（取 ICCgt;0.80 ）及LASSO回歸降維（圖 2a 、2b）后獲得3個(gè)最優(yōu)紋理特征，包含2個(gè)灰度共生矩陣（S.3.3.Correlat、Horzl_RL-NonUni），1個(gè)游程長(zhǎng)度矩陣（Vertl_ShrtREmp），基于這3個(gè)紋理特征建立radscore，radscore訓(xùn)練組為 0.32±0.11 ，內(nèi)部驗(yàn)證組為 0.31±0.11 ，外部驗(yàn)證組為 0.38±0.08 。

圖2紋理特征篩選。

2a：十折交叉驗(yàn)證圖；2b：回歸系數(shù)分布圖。

2.3訓(xùn)練組中LNM組與NLNM組臨床影像特征比較訓(xùn)練組128例 T_1～2 期RC患者中LNM組30例、NLNM組98例，兩組比較腫瘤T分期、CEA、CA19-9、NLR、影像淋巴結(jié)短徑及radscore差異均具有統(tǒng)計(jì)學(xué)意義（ plt;0.05 ），其它差異均無(wú)統(tǒng)計(jì)學(xué)意義（ pgt;0.05 ，見(jiàn)表2。

表2LNM組與NLNM組臨床影像特征比較

2.4危險(xiǎn)因素分析

將LNM組與NLNM組臨床影像資料比較差異有統(tǒng)計(jì)學(xué)意義的指標(biāo)（ plt;0.05 ）納入單因素lo-gistic回歸分析，單因素分析差異有統(tǒng)計(jì)學(xué)意義的指標(biāo)（ plt;0.05 ）再納入多因素logistic回歸分析，篩選預(yù)測(cè) T_1～2 期RC發(fā)生淋巴結(jié)轉(zhuǎn)移的獨(dú)立危險(xiǎn)因素，結(jié)果腫瘤T分期、CA19-9、NLR、影像淋巴結(jié)短徑及radscore為獨(dú)立危險(xiǎn)因素，見(jiàn)表3。

表3預(yù)測(cè)LNM組與NLNM組LN狀態(tài)的危險(xiǎn)因素分析

2.5模型的構(gòu)建與評(píng)價(jià)

基于腫瘤T分期、CA19-9、NLR、影像淋巴結(jié)短徑及radscore構(gòu)建預(yù)測(cè) T_1～2 期RC淋巴結(jié)轉(zhuǎn)移的聯(lián)合預(yù)測(cè)模型，并繪制模型的動(dòng)態(tài)列線圖（圖3a），聯(lián)合模型在訓(xùn)練組AUC為0.877、內(nèi)部驗(yàn)證組為0.831、外部驗(yàn)證組為0.797（圖3b），校準(zhǔn)曲線顯示模型的預(yù)測(cè)值與實(shí)際發(fā)生概率具有較高的一致性（圖 3c-e ）。基于臨床影像指標(biāo)（腫瘤T分期、CA19-9、NLR、影像淋巴結(jié)短徑等）構(gòu)建臨床影像學(xué)模型，delong檢驗(yàn)顯示聯(lián)合模型與臨床影像學(xué)模型及radscore比較差異均有統(tǒng)計(jì)學(xué)意義（均 plt;0.05 ），且聯(lián)合模型的AIC與BIC值均最低（表4）。DCA顯示聯(lián)合模型在訓(xùn)練組、內(nèi)部及外部驗(yàn)證組中均具有很高的臨床適用性（圖3f）。

表4單指標(biāo)與聯(lián)合模型診斷效能比較（delong、AIC值、BIC值）

圖3模型的構(gòu)建與評(píng)價(jià)

3A：模型的動(dòng)態(tài)列線圖；3B：訓(xùn)練組及內(nèi)部、外部驗(yàn) 證組ROC曲線；3C～E：訓(xùn)練組及內(nèi)部、外部驗(yàn)證組校準(zhǔn) 曲線；3F：訓(xùn)練組及內(nèi)部、外部驗(yàn)證組臨床決策曲線。

3討論

既往研究顯示 T₁ 與 T₂ 期RC發(fā)生LNM的概率分別約為 11.7% 與 23.1%^[7] ， LEE^[8] 等研究T_1～2 結(jié)直腸癌LNM的概率為 19.6% ，本研究 T_1～2 期RC的LNM概率兩個(gè)中心分別為 24.0% （44/183）與 25.9% （14/54），略高于既往研究，這可能是由于本研究對(duì)象中T2期RC占比較大。不伴有LNM的 T₁ 期RC臨床治療方式主要為局部切除， T₂ 期RC一般建議行根治性手術(shù)。伴有LNM的 T_1-2 期RC治療方式為先行nCRT以控制疾病的進(jìn)展，然后行全直腸系膜切除術(shù)[9]。目前可用于評(píng)估RC患者LN狀態(tài)的影像學(xué)檢查主要包括多層螺旋CT、磁共振成像及經(jīng)直腸腔內(nèi)超聲檢查，然而以上檢查對(duì)于評(píng)估RC浸潤(rùn)深度有一定價(jià)值，但在評(píng)估RC的LN狀態(tài)方面并不理想[10]。因此，尋找一種能夠無(wú)創(chuàng)準(zhǔn)確評(píng)估 T_1-2 期RC患者LN狀態(tài)的方法對(duì)于臨床外科醫(yī)師制定最佳治療方案具有重要的指導(dǎo)價(jià)值。

列線圖能夠可視化影響腫瘤預(yù)后的危險(xiǎn)因素[1-13]，但既往構(gòu)建的列線圖多為常規(guī)列線圖，常規(guī)列線圖需要手動(dòng)計(jì)算預(yù)測(cè)結(jié)果，誤差相對(duì)較大。本研究構(gòu)建的是動(dòng)態(tài)列線圖評(píng)分模型，動(dòng)態(tài)列線圖可通過(guò)調(diào)整各危險(xiǎn)因素的參數(shù)值自動(dòng)生成預(yù)測(cè)結(jié)果及 95% 置信區(qū)間，臨床適用性更強(qiáng)。本研究首先經(jīng)差異性分析篩選潛在危險(xiǎn)因素，再經(jīng)單因素及多因素logistic回歸分析篩選獨(dú)立危險(xiǎn)因素，最終腫瘤T分期、CA19-9、NLR、影像淋巴結(jié)短徑及radscore入選該評(píng)分模型。既往大樣本研究表明，腫瘤的T分期水平是淋巴結(jié)轉(zhuǎn)移的重要預(yù)測(cè)指標(biāo)[14]，本研究LNM組 T₁ 期患者占比 3.3% （1/30），明顯低于 T₂ 期 96.7% （29/30），可能是因?yàn)槟[瘤浸潤(rùn)越深，越容易侵犯淋巴管，淋巴管侵犯則是腫瘤復(fù)發(fā)及轉(zhuǎn)移的獨(dú)立危險(xiǎn)因素[15]。近年來(lái)腫瘤標(biāo)志物CEA與CA19-9已廣泛應(yīng)用于RC的篩查及監(jiān)測(cè)[16]。CEA及CA19-9是胃腸道腫瘤最常用的腫瘤標(biāo)志物，既往多項(xiàng)研究表明其水平與 RC 的LN 狀態(tài)密切相關(guān)[17-19]，本研究單因素分析時(shí)CEA及CA19-9在LNM組與NLNM組比較差異均具有統(tǒng)計(jì)學(xué)意義（ plt;0.05 ），但多因素分析發(fā)現(xiàn)CEA并非獨(dú)立危險(xiǎn)因素，所以CEA在評(píng)估RC患者LN狀態(tài)的價(jià)值還需大樣本數(shù)據(jù)進(jìn)一步探討。癌癥的發(fā)生發(fā)展與免疫反應(yīng)密切相關(guān)，腫瘤微環(huán)境的改變會(huì)引起全身性炎癥反應(yīng)，多個(gè)研究均顯示高NLR是RC患者不良預(yù)后的獨(dú)立危險(xiǎn)因素[20]，本研究同樣得出高NLR 是預(yù)測(cè)RC 患者發(fā)生LNM的獨(dú)立危險(xiǎn)因素，與以往相關(guān)研究一致。有研究將淋巴結(jié)短徑 5～10mm 作為判斷轉(zhuǎn)移性淋巴結(jié)的截?cái)嘀礫21]，本研究以 5mm 為界值，結(jié)果發(fā)現(xiàn)影像淋巴結(jié)短徑 ?5mm 為RC發(fā)生LNM的獨(dú)立危險(xiǎn)因素，這說(shuō)明實(shí)際工作中CT影像淋巴結(jié)短徑對(duì)于診斷轉(zhuǎn)移性淋巴結(jié)腫大具有一定的提示作用。LN狀態(tài)不同的RC其腫瘤內(nèi)部異質(zhì)性也不相同，而影像組學(xué)特征包含大量潛在病理生理學(xué)的信息，能夠很好的反映腫瘤內(nèi)部的異質(zhì)性[22]，RC的N分期不同其腫瘤內(nèi)部異質(zhì)性也存在一定的差異。本研究基于CT門(mén)靜脈期圖像共提取298個(gè)影像組學(xué)特征，經(jīng)降維后篩選出3個(gè)最優(yōu)特征，分別為2個(gè)灰度共生矩陣及1個(gè)游程長(zhǎng)度矩陣。灰度共生矩陣與圖像灰度分布相關(guān)，主要反映紋理的復(fù)雜性，進(jìn)而反映腫瘤的紋理信息，其數(shù)值越大，ROI像素間灰度相似度越低，病灶越不均勻，游程長(zhǎng)度矩陣反映的是圖像內(nèi)灰度與游程長(zhǎng)度的規(guī)律，以上特征一定程度與腫瘤內(nèi)部細(xì)胞異質(zhì)性相關(guān)[23]。基于這3個(gè)最優(yōu)特征構(gòu)建的radscore 在訓(xùn)練組的診斷效能為0.756，已達(dá)到較高的預(yù)測(cè)水平。

本研究存在以下幾點(diǎn)潛在的局限性。首先，由于采用了回顧性分析方法，可能會(huì)引入選擇偏倚。其次，影像組學(xué)特征的提取僅限于病灶的最大切面，而不是整個(gè)病灶。考慮到腫瘤體積在表征腫瘤異質(zhì)性方面可能更為全面，這一方法可能限制了對(duì)腫瘤性質(zhì)的完整反映。再者，本研究使用的外部驗(yàn)證組數(shù)據(jù)顯示，聯(lián)合模型的預(yù)測(cè)準(zhǔn)確率低于0.8，提示模型在不同人群中的泛化能力可能有限。針對(duì)這些問(wèn)題，未來(lái)的研究將著重于開(kāi)展更多中心和大樣本的研究，以驗(yàn)證并優(yōu)化本研究的結(jié)果。

綜上所述，準(zhǔn)確評(píng)估 T_1～2 期RC患者的LN狀態(tài)對(duì)于制定最佳治療方案具有至關(guān)重要的指導(dǎo)價(jià)值。本研究基于臨床特征和CT影像組學(xué)特征構(gòu)建的動(dòng)態(tài)列線圖模型，展示了較單一模型更優(yōu)的診斷效能。此外，動(dòng)態(tài)列線圖的可調(diào)整性使其在臨床應(yīng)用中具有更強(qiáng)的實(shí)用性。

參考文獻(xiàn)：

[1]伍美容，周剛，李亮，等.直腸黏膜滲液游離亞鐵血紅素檢測(cè)在結(jié)直腸癌早期診斷中的應(yīng)用價(jià)值 [J].中國(guó)普通外科雜志，2023（4）：520.

[2]Li C，Yin JJFIO.Radiomics Based on T2-Weighted Imaging and Apparent Diffsion Coefficient Images for Preoperative Evaluation of Lymph Node Metastasis in Rectal Cancer Patients[J].Front Oncol，2021（11） ： 671354.

[3]Liu X，Yang Q，Zhang C，et al. Multiregional-Based Magnetic Resonance Imaging Radiomics Combined With Clinical Data Improves Eficacy in Predicting Lymph Node Metastasis of Rectal Cancer [J].Front Oncol，2020（10） ： 585767.

[4]Zheng X，Yao Z，Huang Y，et al. Deep learningradiomics can predict axillary lymph node status in early-stage breast cancer[J].Nat Commun，2O2O（1） ：1236.

[5]夏金菊，王添藝，蔡權(quán)宇，等.MRI影像組學(xué)在混合型肝癌與肝內(nèi)膽管細(xì)胞癌鑒別診斷中的應(yīng)用 [J].中國(guó)醫(yī)學(xué)影像學(xué)雜志，2023（9）：945.

[6]Bian T，Wu Z，Lin Q，et al. Evaluating Tumor-Infiltrating Lymphocytes in Breast Cancer Using Preoperative MRI-Based Radiomics[J].J Magn Reson Imaging，2O22（3）： 772.

[7]Fields AC，Lu P，Hu F，et al. Lymph Node Positivity in T1/T2 Rectal Cancer： a Word of Caution in an Era of Increased Incidence and Changing Biology for Rectal Cancer[J]. JGastrointest Surg，2021 （4）：1029.

[8]Lee YJ，Huh JW，Shin JK，et al.Risk factors for lymph node metastasis in early colon cancer[J].Int J Colorectal Dis，2020（8） ：1607.

[9]Liu Y，Zhang F，Zhao X，et al.Development of a Joint Prediction Model Based on Both theRadiomics and Clinical Factors for Predicting the Tumor Response to Neoadjuvant Chemoradiotherapy in Pauents witn Locally Aavancea Kectal LancerL J」. Uancer Manag Kes，zUz1（15） ： 525）.

[10] Kalisz K，Enzerra M，Paspulati R. MRI Evaluation of the Response of Rectal Cancer to Neoadjuvant Chemoradiation Therapy[J]. Radiographics，2019（2）： 538.

[11]Li J，Sun P，Huang T，et al.Preoperative prediction of central lymph node metastasis in cNOT1/T2 papillry thyroid carcinoma：A nomogram based on clinical and ultrasoundcharacteristics[J].Eur J Surg Oncol，2022（6） ： 1272.

[12]Sun X，Zhu H，Ji W，et al.Preoperative prediction of malignant potential of 2-5 cm gastric gastrointestinal stromal tumors by computerized tomography-based radiomics[J]. World J Gastrointest Oncol，2022（5） ： 1014.

[13]Lin X，Zhao S，Jiang H，et al. Aradiomics-based nomogram for preoperative T staging prediction of rectal cancer[J].Abdom Radiol（NY），2021（1O）：4525.

[14]井海燕，田春方，裴慶山，等.T1期結(jié)直腸癌64例淋巴結(jié)轉(zhuǎn)移危險(xiǎn)因素和黏膜下深浸潤(rùn)臨床意 義的分析[J].中華消化雜志，2021（11）：770.

[15]陳吉虎，李瑞，劉浩，等.影像組學(xué)術(shù)前預(yù)測(cè)結(jié)直腸癌淋巴血管侵犯的價(jià)值[J].臨床放射學(xué)雜 志，2022（3）：495.

[16]Del Rio P，Loderer T，Bresciani P，et al. MRI and correlation between TNM and CEA，CA19.9，AFP in rectal cancer Experience of a single academic surgical center[J]. Ann Ital Chir，2O21（92）： 645.

[17]Xu H，Zhao W，Guo W，et al.Prediction Model Combining Clinical and MR Data for Diagnosis of Lymph Node Metastasis in Patients With Rectal Cancer[J]. JMagn Reson Imaging，2O21（3） ： 874.

[18]李夢(mèng)蕾，張敬，淡一波，等.術(shù)前預(yù)測(cè)結(jié)直腸癌淋巴結(jié)轉(zhuǎn)移的臨床-影像組學(xué)列線圖的建立和驗(yàn) 證[J].中國(guó)癌癥雜志，2020（1）：49.

[19]李國(guó)強(qiáng)，柯煒煒，孫祥林，等.基于磁共振T2WI紋理分析對(duì)直腸癌淋巴結(jié)轉(zhuǎn)移的預(yù)測(cè)價(jià)值評(píng)估 [J].磁共振成像，2022（7）：42.

[20]Ergen S，Barlas C，Yildirim C，et al. Prognostic Role of Peripheral Neutrophil-Lymphocyte Ratio （NLR）and Platelet-Lymphocyte Ratio （PLR）in Patients with Rectal Cancer Undergoing Neoadjuvant Chemoradiotherapy[J].J Gastrointest Cancer，2O22（1） ：151.

[21]王唯成，李睿，陳天武，等.多層螺旋CT對(duì)結(jié)腸癌術(shù)前淋巴結(jié)轉(zhuǎn)移診斷價(jià)值的研究[J].國(guó)際醫(yī) 學(xué)放射學(xué)雜志，2018（5）：542.

[22]Conti A，Duggento A，Indovina I，et al. Radiomics in breast cancer classification and prediction[J]. Semin Cancer Biol，2021（72）： 238.

[23]董誠(chéng)，李健，鄭迎梅，等.基于MRI征象及影像組學(xué)的列線圖預(yù)測(cè)腮腺良性與惡性腫瘤的價(jià)值 [J].中華放射學(xué)雜志，2022（2）：149.

Analysis of the Value of a Nomogram Combining Clinical Features and CT Radiomics for Predicting Lymph Node Metastasis in T1-2 Rectal Cancer

HAN Xianglei， WANG Ziyi （1.Department ofRadiology，the First Affiliated Hospital /Yijishan Hospital; 2. School of Clinical Medicine，Wan Nan Medical College，Wuhu， Anhui 241Ooo，China）

ABSTRACTObjective To investigate the value of a nomogram combining clinical features and CT radiomics in predicting lymph node metastasis（LNM）inT1-2 stage rectalcancer（RC）.MethodA total of183T1-2RC patients fromtheFirstAfiliatedHospitalof Wannan Medical College wereretrospectivelycollectedandrandomlydivided intoa training set （ n=128 ）and an internal validation set （ n=55 ）ata 7：3 ratio．Additionally，54 patients from Wuhu Second People's Hospital were includedasan external validation set.Patients were categorized into the LNMandnon-LNM（NLNM）groups based on lymph node status.Texture features were extracted using MaZda software，and the least absolute shrinkageandselectionoperator（LASSO）regression wasapplied toselecttheoptimalfeatures forconstructingaradiomics signature（radscore）.Univariateandmultivariate logisticregresionanalyses were performed toidentify independentrisk factors，which were then incorporated into acombined predictive model.Adynamic nomogram and calibration curve were generated.Themodels discrimination abilitywas evaluated using thereceiveroperating characteristic（ROC）curve and area underthe curve（AUC）：Model performance was compared using theAkaike information criterion（AIC），Bayesian information criterion（BIC），andDeLong test，while clinical utility wasassssedvia decisioncurve analysis（DCA）. ResultLASSO regression identified three optimal radiomics features，whilelogisticregression determined tumorTstage， carbohydrate antigen 19-9（CA19-9），neutrophil-to-lymphocyte ratio（NLR），short-axis diameter of lymph nodeson imaging，andradscore as independent risk factors.The AUCsof thecombined model inthe training，internal validation， and external validation sets were O.877，O.831，andO.797，respectively.The combined model had the lowest AIC and BIC values and demonstrated the highest diagnostic performance according to the DeLong test （ allplt;0.05 ）. The calibrationcurve andDCAconfirmed the model's goodcalibrationand clinicalapplicability.Conclusion Thedynamic nomogram integrating clinical featuresand CTradiomicseffectivelypredicted lymph node status inT1-2RC patients，providing individualized predictions and assisting surgeons in optimizing preoperative decision-making and treatment planning.

KEYWORDSimageomics；nomogram；rectal cancer；lymph gland

（責(zé)任編輯 胡安娜）