基于影像组学特征预测肾上腺皮质癌Ki-67的人工智能模型的研究.pdfVIP

广东医学2025年6月第46卷第6期GuangdongMedicalJournalJun.2025,Vol.46,No.6·839.

基于影像组学特征预测肾上腺皮质癌Ki-67的

人工智能模型的研究

巢埋尧，邓一术²，陈贤达，马楠”，朱洪章*，余错霖，柯宗潘”，肖峻°，郭胜杰3

1中山大学中山医学院（广东广州510080)；中山大学肿瘤防治中心2信息科，3泌尿外科（广东广州510050）；

4中山大学附属第一医院影像科（广东广州510080）；南京医科大学第二附属医院泌尿外科（江苏南京210003）；

6中国科学技术大学附属第一医院泌尿外科（安徽合肥230001）

【摘要】目的基于术前平扫CT的影像组学特征建立肾上腺皮质癌（ACC)Ki-67人工智能预测模

型。方法选取2010年7月至2023年9月中山大学附属第一医院、中山大学肿瘤防治中心、中国科学技术

大学第一附属医院病理确诊为原发ACC且接受肾上腺肿瘤切除术的患者及TCIA数据库患者共94例,划分

为内部训练集与外部验证集。将Ki-6710%定义为高Ki-67。提取影像组学特征后进行特征筛选，使用

5个人工智能算法构建预测Ki-67的人工智能模型,进行内部训练与外部测试。使用受试者工作曲线下面

积(areaunderthereceiveroperatingcharacteristiccurve,AUC)评估模型预测效果。结果所有患者年龄、肿瘤

大小等临床基线特征差异均无统计学意义。经特征筛选后保留了6个影像组学模型。在内部训练集中，梯

度提升算法获得了最高的AUC(0.94），并具备较高的准确率（0.87）、敏感度（0.89）和特异度（0.84）。随机

森林算法在外部测试集中表现最好，取得了最高AUC(0.86）、准确率（0.87)和敏感度（0.88）。结论使用

术前平扫CT的影像组学特征可以有效预测肾上腺皮质癌的Ki-67。

【关键词】肾上腺皮质癌；影像组学；Ki-67；人工智能；多中心回顾性研究

【中图分类号】R736.6，R730.44【文献标志码】A

D0I:10.13820/ki.gdyx

ArtificialintelligencemodelbasedonradiomicfeaturesfrompreoperativeCTforpredictingKi-67expressionin

elgclceodelbasedonraoncleaturompieoperacuctgk-orexpressior

adrenocorticalcarcinoma.

adrenocorticalcarcinoma.CHAOYin-yao*,DENGYi-shu,CHENXian-da,MANan,ZHUHong-zhang,YU

CHAOYin-yao*,DENGYi-shu,CHENXian-da,MANan,ZHUHong-zhang,YU

Kai-lin,KEZong-pan,XIAOJun,GUOSheng-je.*SunYat-senUniversity,Guangzhou510080,Guangdong,

China

Correspo

ndingauthor:GUOSheng-jie.E-mail:guoshj@sysucc.org.cn

ObjectiveToestablishanartificialintelligence(AI)modelbasedonradiomicfeaturesextracted

【Abstract]

frompreoperativenon-contrastCTimagestopredictKi-67expressionlevelsinadrenocorticalcarcinoma(ACC).Meth-

odsAtotalof93patientsdiagnosedpathologicallywithprimary