第一部分 影像组学模型对原发性胃肠道间质瘤危险度分级的预测价值目的:基于常规平扫和增强CT扫描图像开发和验证影像组学模型,探讨该模型用于原发性胃肠道间质瘤危险度分级的预测价值。材料和方法:回顾性分析苏州大学附属第二医院2015年1月至2020年12月间,经手术病理证实为原发性胃肠道间质瘤的176例患者的病理及CT影像资料。所有患者间质瘤危险度分级诊断明确,根据改良National Institutes of Health分级包括极低危险、低危险、中危险及高危险4个分级,手术前1月内均进行常规平扫和增强CT检查,CT检查前患者均未进行靶向药物治疗及穿刺活检检查。根据病理分级将纳入患者分为低度恶性潜能组83例（极低危险18例+低危险65例）和高度恶性潜能组93例（中危险44例+高危险49 例）。从患者CT平扫、动脉期、静脉期及延迟期横轴位图像中,选取间质瘤最大层面以DICOM格式导出,导出前统一窗宽为350HU,窗位为45HU。使用Mazda软件进行纹理提取,提取前使用μ±3σ法对图像进行亮度归一化处理。ROI勾画时,选择间质瘤在平扫、动脉期、静脉期及延迟期图像中显示最清晰的时期,沿肿瘤边缘手动勾画,随后将获得的ROI复制到其他时期,对不吻合的进行调整。随机挑选30例患者,采用组内相关系数（Intraclass correlation coefficient,ICC）法评估观察者间及观察者内图像分割的一致性。首先使用Mazda软件自带的3种方法（费希尔参数法、分类错误率联合平均相关系数法、交互信息法）对纹理特征进行初步降维,每个时期获得30个特征,4个时期共获得 120 个特征。随后采用 LASSO（Least absolute shrinkage and selection operator）算法进一步降维。最后使用Mann-Whitney U检验及多重共线性检验,验证LASSO算法降维获得的特征,以确定最佳特征集,纳入逻辑回归获得影像组学模型。使用C统计量（C-index）评价影像组学模型区分低度恶性潜能组和高度恶性潜能组的能力,计算模型的特异度、敏感度及准确度;使用Brier评分评价模型的校准度。利用加强Bootsrap法（重抽样1000次）对模型进行内部验证,获得校准后的C-index和Brier评分。结果:随机挑选的30例患者,观察者内部勾画ROI所获纹理特征的ICC范围为0.865～0.998,观察者间勾画ROI所获纹理特征的ICC范围为0.823～0.959。采用LASSO算法对120个特征进一步降维获得12个特征,使用Mann-Whitney U检验和多重共线性检验对上述12个特征进行检验,剔除没有统计学意义及方差膨胀系数大于10的纹理特征,最终获得10个最佳纹理特征,分别为平扫S（5,-5）Entropy、Teta2;动脉期HorzlRLNonUni、S（5,-5）Entropy 及 S（4,-4）Correlate;静脉期 S（5,-5）Entropy、S（5,-5）Correlate;延迟期 HorzlRLNonUni、S（5,5）Entropy 及 Perc.90%。纳入逻辑回归建立影像组学模型,其中C-index为0.943,95%置信区间为0.911～0.976,Brier评分为0.093,95%置信区间为0.065～0.121,模型预测高度恶性潜能组的特异度为0.892,敏感度为0.860,准确度为0.875。使用加强Bootsrap法对模型进行内部验证,结果显示校准后的C-index和Brier评分分别为0.928和0.112。结论:基于常规平扫和增强CT横轴位肿瘤最大径图像,使用Mazda软件勾画ROI提取的纹理特征在观察者间及观察者内部一致性均较好。经过开发和验证,影像组学模型能够有效区分原发性胃肠道间质瘤低度恶性潜能组和高度恶性潜能组,可作为术前预测原发性胃肠道间质瘤危险度分级的影像学生物标志物。第二部分 影像组学模型和CT征象＆临床因素模型构建联合模型对原发性胃肠道间质瘤危险度分级的预测价值目的:基于胃肠道间质瘤患者的CT征象和临床因素特征,构建CT征象＆临床因素模型,将第一部分研究中构建的影像组学模型和CT征象＆临床因素模型结合构建联合模型,比较影像组学模型、CT征象＆临床因素模型及联合模型3种模型预测原发性胃肠道间质瘤危险度分级的价值。材料和方法:回顾性分析苏州大学附属第二医院2015年1月至2020年12月间,经手术病理证实为原发性胃肠道间质瘤的176例患者的病理、CT影像及临床资料。所有患者间质瘤危险度分级诊断明确,根据改良National Institutes of Health分级包括极低危险、低危险、中危险及高危险4个分级,手术前1月内均进行常规平扫和增强CT检查,CT检查前未进行靶向药物治疗及穿刺活检检查。根据病理分级将纳入患者分为低度恶性潜能组83例和高度恶性潜能组93例。由2名放射科医师对176例患者的影像学资料进行独立分析,记录肿瘤的CT征象,其中分类变量包括间质瘤的发生部位、形态、边界、生长方式、强化方式、强化程度、坏死囊变程度、肿瘤滋养血管、溃疡、钙化、增大淋巴结及腹腔积液;连续变量包括肿瘤横轴位最大径、肿瘤实性成分在平扫、动脉期、静脉期及延迟期的CT值。由另1名放射科医师记录患者的临床因素特征,包括患者的性别、年龄、消化道出血、肠梗阻、腹痛、腹胀、呕吐、进食哽噎及有无阳性症状。CT征象中连续变量取2名放射科医师测量的均值,分类变量有分歧的进行协商达成一致。将所有CT征象及临床因素进行单因素分析及多重共线性检验,随后将有统计学差异及方差膨胀系数小于10的特征纳入多因素logistic回归建立模型,即CT征象＆临床因素模型。使用逻辑回归将影像组学模型与CT征象＆临床因素模型结合,建立联合模型。使用C统计量（C-index）评价影像组学模型、CT征象＆临床因素模型及联合模型区分低度恶性潜能组和高度恶性潜能组的能力,并计算诸模型预测高度恶性潜能组的特异度、敏感度及准确度;使用Brier评分评价诸模型的校准度。利用加强Bootsrap法（重抽样1000次）对诸模型进行内部验证,获得校准后的C-index及Brier评分。绘制诸模型的ROC曲线和决策曲线,并构建AUC值最大者的nomogram图。结果:所有CT征象及临床因素特征进行单因素分析显示肿瘤最大径、静脉期及延迟期CT值、肿瘤发生部位、形态、边界、生长方式、强化方式、强化程度、坏死囊变程度、肿瘤滋养血管、溃疡及消化道出血有统计学差异（P＜0.05）;上述有统计学差异的变量方差膨胀系数均小于10。多因素分析显示肿瘤最大径、肿瘤滋养血管及消化道出血有统计学差异（P＜0.05）。影像组学模型、CT征象＆临床因素模型及联合模型的 C-index 分别为 0.943、0.878 和 0.946,校准后的 C-index 分别为 0.928、0.870 和0.924;Brier评分分别为0.093、0.140和0.088,校准后的Brier评分分别为0.112、0.148和0.114;3种模型预测高度恶性潜能患者的特异度分别为0.892、0.904和0.928,敏感度分别为0.860、0.731和0.839,准确度分别为0.875、0.813和0.881。影像组学模型及联合模型AUC值显著高于CT征象＆临床因素模型（P值分别为0.0024,0.0002）,影像组学模型与联合模型的AUC值无统计学差异（P=0.574）。决策曲线显示影像组学模型与联合模型的临床净获益较CT征象＆临床因素模型高。3个模型中联合模型的AUC值最大,因此绘制了联合模型的nomogram图。结论:与CT征象＆临床因素模型相比,影像组学模型及影像组学模型与CT征象＆临床因素模型构建的联合模型预测胃肠道间质瘤危险度分级的价值更高、临床净获益更大。联合模型的nomogram图可作为临床医师预测胃肠道间质瘤危险度分级的一种辅助工具,为间质瘤治疗方案的制定提供依据。