简介：摘要目的探讨基于双期增强CT检查影像组学胆囊癌淋巴结转移预测模型构建及其应用价值。方法采用回顾性队列研究方法。收集2012年1月至2020年12月西安交通大学第一附属医院收治的194例胆囊癌患者的临床病理资料；男70例，女124例；年龄为（64±10）岁；均行胆囊癌意向性根治切除术。194例患者通过R软件随机数法以8∶2比例随机分为训练集156例和测试集38例。训练集用于构建诊断模型，测试集用于验证诊断模型。患者进行CT检查后，行图像分析、提取影像组学特征、影像组学模型建立；根据临床病理因素构建列线图预测模型。观察指标：（1）淋巴结清扫及组织病理学检查结果。（2）影像组学预测模型构建及特征分析。（3）胆囊癌淋巴结转移的影响因素分析。（4）列线图淋巴结转移预测模型构建。（5）影像组学及列线图淋巴结转移预测模型的预测能力比较。正态分布的计量资料以x±s表示，偏态分布的计量资料以M（范围）表示。计数资料以绝对数表示，组间比较采用χ2检验。单因素分析采用χ²检验，多因素分析采用Logistic回归模型前进法。绘制受试者工作特征（ROC）曲线，以曲线下面积（AUC）、决策曲线、混淆矩阵进行预测模型的效能评价。结果（1）淋巴结清扫及组织病理学检查结果。194例患者中，行淋巴结清扫182例，淋巴结清扫数目为8（1~34）枚/人，阳性淋巴结清扫数目为0（0~11）枚/人。194例患者术后组织病理学检查结果显示：N0期122例，淋巴结清扫数目为7（0~27）枚/人；N1期48例，淋巴结清扫数目为8（2~34）枚/人，阳性淋巴结清扫数目为1（1~3）枚/人；N2期24例，淋巴结清扫数目为11（2~20）枚/人，阳性淋巴结清扫数目为5（4~11）枚/人。（2）影像组学预测模型构建及特征分析。提取194例患者107个影像组学特征，其中一阶特征18个、形状特征14个、纹理特征75个。通过各影像组学特征组内相关系数及绝对中位差和使用互信息法、Select K-Best、最小化绝对收缩和选择算子回归降维后的数据分别拟合至随机森林、梯度提升树、支持向量机（SVM）、K-近邻法及Logistic回归5种不同机器学习算法中，经分析Select K-Best_SVM模型预测性能最佳，测试集的AUC为0.76。（3）胆囊癌淋巴结转移的影响因素分析。单因素分析结果显示：全身炎症反应指数、癌胚抗原、CA19-9、CA125、影像学T分期、影像学淋巴结状态是影响胆囊癌患者淋巴结转移的相关因素（χ²=4.20，11.39，5.68，11.79，10.83，18.58，P<0.05）。多因素分析结果显示：癌胚抗原，CA125，影像学T分期（T3期比T1~2期、T4期比T1~2期），影像学淋巴结状态是胆囊癌淋巴结转移的独立影响因素［风险比=2.79，4.41，5.62，5.84，3.99，95%可信区间（CI）为1.20~6.47，1.81~10.74，1.50~21.01，1.02~33.31，1.87~8.55，P<0.05］。（4）列线图淋巴结转移预测模型构建。基于CEA、CA125、影像T分期、影像学淋巴结状态4项胆囊癌淋巴结转移的独立影响因素建立列线图预测模型。列线图模型训练集和测试集的一致性指数分别为0.77（95%CI为0.75~0.79）和0.73（95%CI为0.68~0.72）。（5）影像组学及列线图淋巴结转移预测模型的预测能力比较。ROC曲线显示：Select K-Best_SVM影像组学模型训练集和测试集的AUC分别为0.75（95%CI为0.74~0.76）和0.76（95%CI为0.75~0.78），列线图训练集和测试集的AUC分别为0.77（95%CI为0.76~0.78）和0.70（95%CI为0.68~0.72）。决策曲线显示：Select K-Best_SVM影像组学模型及列线图预测淋巴结转移能力较为接近。混淆矩阵显示：Select K-Best_SVM影像组学模型训练集和测试集的灵敏度分别为64.29%和75.00%，特异度分别为73.00%和59.09%，列线图训练集和测试集的灵敏度分别为51.79%和50.00%，特异度分别为80.00%和72.27%。结论成功构建基于双期增强CT检查影像组学胆囊癌淋巴结转移预测模型，其预测能力良好与列线图预测能力一致。