寻常性白癜风能治好吗 http://pf.39.net/bdfyy/zjdy/150516/4624565.html本文是JCO上一篇非常经典和规范、很有借鉴意义的放射组学构建nomogram预测模型的文章，流程主要包括纹理特征提取、lasso回归进行数据降维及特征选择、构建logistic回归模型挑选独立预测因素（进一步特征选择）、nomogram模型构建、C指数及校准度计算评估模型性能、决策曲线分析模型临床应用。
Purpose
为了开发和验证放射组学列线图，用于术前预测大肠癌（CRC）患者的淋巴结（LN）转移。
PatientsandMethods
该预测模型是在名经临床病理证实的CRC患者组成的训练队列（primarycohort，为方便表述，本文称之为训练队列）中开发的，收集的是年1月至年4月的数据。从CRC的门静脉期计算机断层扫描（CT）中提取了放射组学特征，并使用了Lasso回归模型进行数据降维、特征选择和放射组学标签（radiomicssignature）构建。使用多变量logistic回归分析建立预测模型，我们结合了放射组学标签，CT报告的LN状态和独立的临床病理危险因素，并以放射组学列线图呈现。评价了列线图的校准度、区分度和临床实用性。并对内部验证进行了评估。一个独立的验证队列包括从年5月到年12月的名连续患者。
Results
包括24个选定特征的放射组学与LN状态显著相关（训练队列和验证队列的P值均＜0.）。个性化预测列线图中包含的预测因子包括放射组学标签、CT报告的LN状态和癌胚抗原水平。将组织学等级加到列线图上没有显示出增加的预后价值。该模型显示出良好的区分度，C指数为0.（通过内部验证的C指数为0.和0.），并且校准度良好。列线图在验证队列中的应用仍然具有良好的区分度（C指数，0.[95％CI，0.至0.]）和良好的校准度。决策曲线分析表明，放射组学列线图在临床上是有用的。
Conclusion
本研究提出了一个放射组学列线图，其中包含了放射组学标签、CT报告的LN状况和临床危险因素，可方便地用于促进CRC患者术前LN转移的个体化预测。
Introduction
大肠癌（CRC）是第三大最常见的癌症，在全球因癌症相关死亡的原因中排名第四。准确识别CRC患者的淋巴结（LN）受累对预后和治疗策略的决定至关重要。尽管一些组织病理学发现（例如淋巴管浸润和肿瘤分化）是LN转移的预测因素，它们仅在术后可用。术前知道LN转移可为确定辅助治疗的必要性和手术切除的充分性提供有价值的信息，从而有助于做出治疗前的决策。最近的一项研究表明，血清血管生成素样蛋白2与临床因素结合，可在CRC的LN转移术前检测中达到较高的预测准确性。
作为替代方法，计算机断层扫描（CT）通常用于术前检查，并且在临床实践中是CRC分期过程的重要组成部分。然而，先前的研究表明，CT在CRC的局部分期中的主要局限性在于它无法准确识别恶性淋巴结。近年来，术语“放射组学”引起了越来越多的
