这篇文档属于类型a，即报告了一项原创研究。以下是对该研究的详细介绍：
主要作者及研究机构
本研究由Lihua Chen、Yangfan Su、Yao Huang、Junli Tao、Xuemei Huang、Kai Li、Daihong Liu和Jiuquan Zhang共同完成。研究机构包括南京医科大学附属无锡人民医院、重庆大学附属肿瘤医院以及广西医科大学第一附属医院。该研究于2025年发表在European Radiology期刊上。
学术背景
肺癌是全球癌症死亡的主要原因，其中肺腺癌（Lung Adenocarcinoma, LUAD）是最常见的亚型。淋巴血管侵犯（Lymphovascular Invasion, LVI）是肺腺癌的重要组织病理学标志，与患者的不良预后密切相关。然而，目前缺乏可靠的非侵入性术前工具来准确预测LVI。因此，本研究旨在开发和验证一种基于计算机断层扫描（CT）的分类与回归树（Classification and Regression Tree, CART）模型，用于术前预测临床IA期肺腺癌患者的LVI状态。
研究流程
研究分为以下几个步骤：
-
研究对象的招募与分组
研究纳入了接受肺叶切除或亚肺叶切除并进行了术前CT检查的患者。内部队列（n=525）用于构建LVI-CART模型，外部队列（n=115）和公共队列（n=57）用于验证模型的预测性能。所有患者均经病理确诊为肺腺癌，并在术前4周内进行了胸部CT检查。排除标准包括术前接受过治疗、影像或病理图像质量差、多发性肺结节以及临床肿瘤大小超过3 cm的患者。
-
CT数据获取与解释
患者在术前4周内进行了胸部CT扫描。CT图像由两名胸部放射科医生独立评估，评估内容包括结节的最大直径、结节类型（纯磨玻璃结节、部分实性结节或实性结节）、结节位置、结节边缘、空气支气管征、空洞/空泡、胸膜凹陷和血管汇聚等特征。任何分歧由第三名放射科医生解决。
-
模型构建与验证
通过单变量和多变量逻辑回归分析，确定了与LVI状态显著相关的临床和CT特征。最终选择了结节直径和结节类型作为独立预测因子，构建了LVI-CART模型。模型在内部验证集、外部验证集和测试集中分别进行了验证，并计算了曲线下面积（AUC）、敏感性、特异性等指标。
-
生存分析
使用Kaplan-Meier生存分析和单变量Cox回归分析，研究了预测的LVI状态与患者生存之间的关系。
主要结果
-
LVI-CART模型的性能
LVI-CART模型在内部验证集、外部验证集和测试集中的AUC值分别为0.719、0.756和0.835，显示出良好的预测性能。模型能够准确识别LVI阳性患者，并且在不同的队列中保持了稳定的预测准确性。
-
生存分析结果
预测为LVI阳性的患者在1年、3年和5年的总体生存率（OS）以及1年和3年的无复发生存率（RFS）均显著低于LVI阴性患者（所有p值<0.05）。这表明LVI-CART模型不仅能够预测LVI状态，还能够识别预后较差的患者。
结论
LVI-CART模型是一种简单且易于临床应用的术前预测工具，能够准确预测临床IA期肺腺癌患者的LVI状态，并识别预后较差的患者。该模型为临床医生提供了一种基于CT的非侵入性方法，可用于术前风险分层和个性化治疗决策。
研究亮点
-
首次多队列验证：这是首个在多个队列中验证的LVI预测模型，具有良好的通用性和稳定性。
-
简单易用：模型仅使用结节直径和结节类型两个特征，便于临床医生快速应用。
-
预后预测：模型不仅能够预测LVI状态，还能够预测患者的生存率，具有重要的临床意义。
其他有价值的内容
研究还探讨了其他CT特征（如胸膜凹陷、血管汇聚等）与LVI的关系，但未发现显著相关性。未来的研究可以进一步探索放射组学或人工智能技术，以提高模型的预测性能。
以上是对该研究的详细介绍，涵盖了研究的背景、流程、结果、结论及其价值。