郭峰， 羅琦， 鄭伊能， 曾春， 李詠梅

喉癌(laryngeal carcinoma)是頸部常見(jiàn)的惡性腫瘤，占耳鼻咽喉部惡性腫瘤的8%～35%，占全身惡性腫瘤的1%～4%[1-2]，以鱗狀細(xì)胞癌多見(jiàn)[3]。頸部毛細(xì)血管網(wǎng)及淋巴管網(wǎng)發(fā)達(dá)，易出現(xiàn)淋巴結(jié)轉(zhuǎn)移且隱匿性較高[4]。一旦發(fā)生轉(zhuǎn)移將提高喉癌患者復(fù)發(fā)及轉(zhuǎn)移風(fēng)險(xiǎn)。淋巴結(jié)轉(zhuǎn)移是影響其預(yù)后的一個(gè)獨(dú)立因素[5]。術(shù)前對(duì)頸部淋巴結(jié)狀態(tài)進(jìn)行精準(zhǔn)評(píng)估，對(duì)患者選擇合適的治療方法和預(yù)后評(píng)估都極為重要。目前，超聲、CT、MRI和PET-CT是術(shù)前常用于評(píng)估淋巴結(jié)狀態(tài)的檢查方法，以上檢查方法對(duì)淋巴結(jié)轉(zhuǎn)移狀態(tài)的診斷均具有一定不足[6-7]。近年來(lái)，基于大數(shù)據(jù)的影像組學(xué)(radiomics)研究對(duì)腫瘤術(shù)前淋巴結(jié)狀態(tài)的評(píng)估表現(xiàn)出巨大潛能?；谟跋窠M學(xué)的方法，通過(guò)對(duì)腫瘤原發(fā)灶進(jìn)行勾畫、提取特征并建立模型來(lái)預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移的研究較少，文獻(xiàn)報(bào)道其在甲狀腺癌、胃癌、宮頸癌及直腸癌等腫瘤術(shù)前評(píng)估淋巴結(jié)轉(zhuǎn)移狀態(tài)方面都具有較好的辨別效能[8-11]，然而該技術(shù)應(yīng)用于術(shù)前預(yù)測(cè)喉癌患者淋巴結(jié)轉(zhuǎn)移的研究很少。本研究擬探討基于增強(qiáng)CT喉癌原發(fā)病灶為興趣區(qū)的影像組學(xué)模型、形態(tài)學(xué)模型及二者聯(lián)合模型術(shù)前預(yù)測(cè)腫瘤淋巴結(jié)轉(zhuǎn)移中的價(jià)值。

材料與方法

1.病例資料

回顧性分析2012年12月-2019年9月在本院經(jīng)手術(shù)病理證實(shí)為喉癌患者的CT資料。納入標(biāo)準(zhǔn)：①病理證實(shí)為喉癌；②行頸部淋巴結(jié)清掃術(shù)；③有完整的淋巴結(jié)轉(zhuǎn)移狀態(tài)病理記錄；④術(shù)前1周有完整的CT增強(qiáng)圖像。排除標(biāo)準(zhǔn)：①術(shù)前行抗腫瘤治療；②CT增強(qiáng)圖像質(zhì)量差；③合并其它腫瘤性疾病。搜集的數(shù)據(jù)以4:1比例隨機(jī)分成訓(xùn)練集和驗(yàn)證集。

2.淋巴結(jié)病理狀態(tài)

所有患者均經(jīng)喉癌切除手術(shù)及雙側(cè)頸部淋巴結(jié)清掃術(shù)，并有完整的術(shù)后淋巴結(jié)病理結(jié)果記錄。根據(jù)術(shù)后病理報(bào)告，一個(gè)及以上淋巴結(jié)出現(xiàn)轉(zhuǎn)移時(shí)，記錄為淋巴結(jié)轉(zhuǎn)移狀態(tài)陽(yáng)性；反之，則記錄為淋巴結(jié)轉(zhuǎn)移狀態(tài)陰性。

3.CT檢查方法

采用GE Discovery 750 HD CT行仰臥位頸部增強(qiáng)掃描，囑患者掃描時(shí)保持喉部不動(dòng)，不要做吞咽動(dòng)作。掃描參數(shù)：螺距0.984:1；準(zhǔn)直寬度64×0.625；管電壓80 kV；管電流采用自動(dòng)毫安技術(shù)；掃描層厚5.0 mm；層間距5.0 mm；矩陣512×512；視野(field of view，F(xiàn)OV)25 cm×25 cm。采用高壓注射器把對(duì)比劑經(jīng)肘正中靜脈團(tuán)注，采用Medrad公司新研發(fā)的P3T(personalized patient protocol technology，P3T)模塊化個(gè)性注射方案(根據(jù)患者體重、對(duì)比劑如碘含量和其他程序參數(shù)共同制定個(gè)性化的對(duì)比劑注射方案，合理減少對(duì)比劑的用量)。對(duì)比劑采用300 mg I/mL優(yōu)維顯，監(jiān)測(cè)主動(dòng)脈平面，達(dá)到閾值100 HU后自動(dòng)觸發(fā)掃描，35 s后掃描靜脈期，重建層厚及層間距均為0.625 mm。

4.形態(tài)學(xué)分析

由一名有5年頭頸部腫瘤CT診斷經(jīng)驗(yàn)的放射科醫(yī)師在靜脈期CT圖像上對(duì)淋巴結(jié)轉(zhuǎn)移情況進(jìn)行評(píng)估，再由一名從事頭頸部CT影像診斷10年以上的放射科醫(yī)師進(jìn)行檢查核對(duì)。分析前，兩名醫(yī)師對(duì)所有樣本病理淋巴結(jié)狀態(tài)均不知曉。參照文獻(xiàn)[12]判斷淋巴結(jié)轉(zhuǎn)移：①淋巴結(jié)呈球形，短徑>10 mm；②增強(qiáng)后淋巴結(jié)環(huán)形強(qiáng)化，中心出現(xiàn)壞死或囊變：③淋巴結(jié)異常分組(三個(gè)或三個(gè)以上淋巴結(jié)短徑接近界限的淋巴結(jié)群)。出現(xiàn)以上一種及多種情況，則被認(rèn)為存在淋巴結(jié)轉(zhuǎn)移。

5.影像組學(xué)分析

①圖像采集和分割：從圖像存檔和通信系統(tǒng)(picture archiving and communication systems，PACS)中獲取DICOM格式的靜脈期CT圖像，先由1名有5年頭頸部腫瘤CT診斷經(jīng)驗(yàn)的放射科醫(yī)師用ITK-SNAP軟件(version3.8.0，University of Pennsylvania，USA，http://www.itksnap.org)采用手動(dòng)分割的方法，在每個(gè)連續(xù)層面上沿著腫瘤輪廓進(jìn)行3D勾畫，再由一名高年資醫(yī)師對(duì)其勾畫結(jié)果進(jìn)行檢查修改，最后獲得腫瘤體積的容積感興趣區(qū)(volume of interest，VOI)，見(jiàn)圖1。

圖1 男，65歲，聲門型喉癌患者VOI勾畫圖，在增強(qiáng)靜脈期CT圖像上沿腫瘤輪廓在每個(gè)連續(xù)層面上對(duì)腫瘤進(jìn)行勾畫。a)靜脈期最大層面CT圖像勾畫；b)基于腫瘤體積的3D圖像。

②特征提?。翰捎肕ATLAB軟件(2017b，https://ww2.mathworks.cn/products/matlab. html)從每個(gè)VOI中提取影像組學(xué)特征。

③影像組學(xué)特征一致性分析：隨機(jī)選取61個(gè)樣本，分別由兩位有5年及10年以上頭頸部腫瘤CT診斷經(jīng)驗(yàn)的放射科醫(yī)師在不知患者病理結(jié)果的情況下進(jìn)行獨(dú)立手工勾畫，并提取影像組學(xué)特征。1個(gè)月后，同樣的操作重復(fù)再做一次。采用組內(nèi)及組間相關(guān)系數(shù)(inter-class correlation coefficient，ICC)對(duì)所提取的影像組學(xué)特征進(jìn)行一致性分析。ICC>0.75表示一致性較好。

圖2 LASSO回歸特征篩選圖。 a)LASSO特征選擇過(guò)程的特征系數(shù)收斂圖，不同顏色的曲線代表不同自變量的變化，隨著參數(shù)log(λ)增大，無(wú)關(guān)系數(shù)的變量逐漸趨向于0；b)采用五折交叉驗(yàn)證調(diào)優(yōu)參數(shù)λ至模型二項(xiàng)式偏差最小，從而篩選出與淋巴結(jié)轉(zhuǎn)移相關(guān)的最優(yōu)特征；選擇標(biāo)準(zhǔn)為最小化標(biāo)準(zhǔn)，本研究模型構(gòu)建使用特征參數(shù)為5個(gè)。

④特征篩選及構(gòu)建模型：采用最小絕對(duì)收縮和選擇算子(the least absolute shrinkage and selection operator，LASSO)回歸方法對(duì)特征進(jìn)行篩選(圖2)。將所有提取的影像組學(xué)特征和頸部淋巴結(jié)轉(zhuǎn)移結(jié)果作為特征選擇的輸入量，其中影像特征作為自變量，頸部淋巴結(jié)轉(zhuǎn)移結(jié)果作為因變量。LASSO算法通過(guò)調(diào)節(jié)權(quán)重參數(shù)λ將部分特征的系數(shù)抑制為零，從而實(shí)現(xiàn)對(duì)特征的篩選。利用Logistic回歸分別構(gòu)建影像組學(xué)模型、形態(tài)學(xué)模型及聯(lián)合模型。

6.統(tǒng)計(jì)學(xué)分析

采用R軟件(version:3.6.1，https://www.r-project.ogr)進(jìn)行統(tǒng)計(jì)學(xué)分析。采用受試者操作特征(receiver operating characteristic，ROC)曲線得出影像組學(xué)模型、形態(tài)學(xué)模型及聯(lián)合模型對(duì)于預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移的符合率、特異度、敏感度及ROC曲線下面積(area under curve，AUC)。然后對(duì)各個(gè)模型ROC曲線行Delong檢驗(yàn)來(lái)比較模型間的效能差異，P<0.05為差異具有統(tǒng)計(jì)學(xué)意義。最后，模型在驗(yàn)證集中進(jìn)行效能驗(yàn)證。

結(jié) 果

1.一般資料

納入304例患者，男301人，女3人，年齡37～83歲，平均年齡61歲；病理報(bào)告顯示有淋巴結(jié)轉(zhuǎn)移79(25.99%)人，無(wú)淋巴結(jié)轉(zhuǎn)移者225(74.01%)人。增強(qiáng)CT圖像上形態(tài)學(xué)標(biāo)準(zhǔn)診斷有淋巴結(jié)轉(zhuǎn)移64(21.05%)人，無(wú)淋巴結(jié)轉(zhuǎn)移240(78.95%)人，見(jiàn)表1。隨機(jī)抽取243人作為訓(xùn)練集，其余的61人作為驗(yàn)證集。

表1 入組病例統(tǒng)計(jì)

2.特征篩選及預(yù)測(cè)模型的建立

采用MATLAB軟件共獲得影像組學(xué)特征，包括直方圖特征15個(gè)，形態(tài)學(xué)特征10個(gè)，原始紋理特征70個(gè)及小波特征865個(gè)，合計(jì)960個(gè)特征。通過(guò)影像組學(xué)特征一致性分析和特征篩選，最終篩選出5個(gè)關(guān)鍵特征，分別是：①Entropy；②Large dependence high gray-level emphasis；③Informational measure of correlation；④Small Zone High Gray-level Empha-sis；⑤Dissimilarity。基于以上5個(gè)影像組學(xué)特征，采用Logistic回歸建立影像組學(xué)模型，然后再建立形態(tài)學(xué)模型及二者聯(lián)合模型。采用五折交叉驗(yàn)證評(píng)估模型的泛化能力。將數(shù)據(jù)隨機(jī)分為5份，其中4份作為訓(xùn)練集，1份作為驗(yàn)證集，反復(fù)交叉驗(yàn)證5次。

3.模型診斷效能

在訓(xùn)練集中，影像組學(xué)模型AUC為0.85(95%CI：0.77～0.93)，形態(tài)學(xué)模型AUC為0.66(95%CI：0.59～0.72)，二者聯(lián)合模型AUC為0.82(95%CI：0.74～0.91)；在驗(yàn)證集中，影像組學(xué)模型AUC為0.83(95%CI：0.69～0.97)，形態(tài)學(xué)模型AUC為0.59(95%CI：0.40～0.77)，二者聯(lián)合模型AUC為0.73(95%CI：0.56～0.91)，見(jiàn)圖3。在訓(xùn)練集和驗(yàn)證集中，影像組學(xué)模型效能的符合率、敏感度及特異度分別為0.79、0.73、0.86和0.80、0.79、0.82(表2)。

圖3 三個(gè)模型預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移狀態(tài)的ROC曲線及AUC值，藍(lán)線代表影像組學(xué)模型，紅線代表聯(lián)合模型，綠線代表形態(tài)學(xué)模型。a)訓(xùn)練集；b)驗(yàn)證集。

表2 3種模型的預(yù)測(cè)結(jié)果

Delong檢驗(yàn)顯示在訓(xùn)練集和驗(yàn)證集中，影像組學(xué)模型與形態(tài)學(xué)模型、聯(lián)合模型與形態(tài)學(xué)模型差異均有統(tǒng)計(jì)學(xué)意義(訓(xùn)練集P=0.0025、0.0002，驗(yàn)證集P=0.0008、0.0173)，而聯(lián)合模型與影像組模型差異無(wú)統(tǒng)計(jì)學(xué)意義(P值為0.1575及0.2633)。

討 論

頸部毛細(xì)血管網(wǎng)及淋巴管網(wǎng)豐富，易出現(xiàn)淋巴結(jié)轉(zhuǎn)移。頸部淋巴結(jié)轉(zhuǎn)移是喉癌遠(yuǎn)處轉(zhuǎn)移的標(biāo)志之一[13]，術(shù)前及時(shí)準(zhǔn)確地診斷頸部淋巴結(jié)轉(zhuǎn)移，對(duì)臨床醫(yī)生選擇合適的治療方式及患者的預(yù)后都極為重要。本研究創(chuàng)新性在于采用基于CT的影像組學(xué)方法，對(duì)術(shù)前喉癌患者原發(fā)病灶進(jìn)行勾畫、提取特征并建立影像組學(xué)模型，同時(shí)根據(jù)CT圖像頸部淋巴結(jié)的轉(zhuǎn)移狀態(tài)建立形態(tài)學(xué)模型以及兩者的聯(lián)合模型，基于術(shù)后淋巴結(jié)的病理狀態(tài)，從而對(duì)喉癌頸部淋巴結(jié)的轉(zhuǎn)移狀態(tài)進(jìn)行術(shù)前無(wú)創(chuàng)預(yù)測(cè)，比較了三個(gè)模型對(duì)淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)的效能差異，結(jié)果顯示影像組學(xué)模型可以術(shù)前更好地預(yù)測(cè)喉癌淋巴結(jié)轉(zhuǎn)移，其診斷效能高于形態(tài)學(xué)模型。

臨床上診斷淋巴結(jié)轉(zhuǎn)移的無(wú)創(chuàng)性檢查方法有超聲、CT、MRI和PET-CT。超聲檢查操作簡(jiǎn)便、價(jià)格優(yōu)惠，但對(duì)喉后淋巴結(jié)狀態(tài)判斷受限，同時(shí)對(duì)超聲醫(yī)師操作水平及臨床經(jīng)驗(yàn)要求較高。MRI對(duì)軟組織具有良好的對(duì)比度，但其空間分辨率低，掃描時(shí)間長(zhǎng)且易受吞咽及呼吸運(yùn)動(dòng)影響產(chǎn)生偽影，進(jìn)而影響淋巴結(jié)狀態(tài)評(píng)估。相對(duì)于CT檢查，MR掃描時(shí)間長(zhǎng)，費(fèi)用較貴，且圖像質(zhì)量控制受限，而應(yīng)用CT影像組學(xué)技術(shù)對(duì)喉癌原發(fā)灶勾畫、提取特征并建立模型來(lái)術(shù)前預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移的報(bào)道很少。PET-CT檢查費(fèi)用昂貴且研究表明PET-CT對(duì)頸部淋巴結(jié)轉(zhuǎn)移的敏感性較低[14]。而Kim等[15]認(rèn)為僅憑CT對(duì)喉癌患者進(jìn)行準(zhǔn)確TNM分期的可靠性不足。確診淋巴結(jié)轉(zhuǎn)移狀態(tài)的金標(biāo)準(zhǔn)是頸部淋巴清掃及病理活檢。該方法為有創(chuàng)檢查，對(duì)大多數(shù)早期喉癌患者可能會(huì)導(dǎo)致過(guò)度治療，增加不必要的風(fēng)險(xiǎn)及術(shù)后并發(fā)癥。同時(shí)，常規(guī)的病理活檢不能及時(shí)發(fā)現(xiàn)喉癌患者頸部淋巴結(jié)中的微轉(zhuǎn)移(淋巴結(jié)中直徑小于2.0 mm的腫瘤細(xì)胞團(tuán))[16-17]。

影像組學(xué)的概念由荷蘭學(xué)者Lambin教授于2012年首次提出[18]。傳統(tǒng)的檢查方法是利用視覺(jué)在解剖層面上對(duì)淋巴結(jié)轉(zhuǎn)移狀態(tài)進(jìn)行分析，影像組學(xué)技術(shù)通過(guò)提取高通量特征，定量分析ROI屬性，能夠更準(zhǔn)確地反應(yīng)腫瘤的異質(zhì)性和生物學(xué)特性，對(duì)腫瘤淋巴結(jié)轉(zhuǎn)移的無(wú)創(chuàng)定量評(píng)估開(kāi)辟了新的思路[19-20]。同時(shí)，為病理活檢中不能及時(shí)發(fā)現(xiàn)淋巴結(jié)微轉(zhuǎn)移的定性研究提供了新的可能。目前應(yīng)用影像組學(xué)術(shù)前預(yù)測(cè)腫瘤淋巴結(jié)轉(zhuǎn)移方面的研究相對(duì)較少，Jiang等[9]基于CT圖像，對(duì)胃癌原發(fā)灶進(jìn)行勾畫，提取影像組學(xué)特征并構(gòu)建影像組學(xué)標(biāo)簽，結(jié)合臨床病理變量構(gòu)建列線圖來(lái)預(yù)測(cè)胃癌淋巴結(jié)轉(zhuǎn)移；Qing等[10]基于MR圖像對(duì)宮頸癌病灶及瘤周組織進(jìn)行勾畫，提取影像組學(xué)特征并建立模型來(lái)預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移狀態(tài)；Huang等[11]基于CT圖像，對(duì)直腸癌原發(fā)病灶進(jìn)行勾畫、提取特征，建立影像組學(xué)標(biāo)簽，并結(jié)合CT報(bào)告中淋巴結(jié)狀態(tài)及獨(dú)立臨床病理危險(xiǎn)因素構(gòu)建列線圖來(lái)預(yù)測(cè)直腸癌淋巴結(jié)轉(zhuǎn)移；譚顯政等[21]基于MR圖像通過(guò)對(duì)直腸癌原發(fā)灶進(jìn)行勾畫提取特征，建立影像組學(xué)分類器來(lái)預(yù)測(cè)直腸癌淋巴結(jié)轉(zhuǎn)移，結(jié)果顯示基于原發(fā)灶所提取特征建立的模型對(duì)腫瘤淋巴結(jié)轉(zhuǎn)移都具有較好的預(yù)測(cè)效能，充分說(shuō)明該方法對(duì)預(yù)測(cè)腫瘤淋巴結(jié)轉(zhuǎn)移具有巨大的價(jià)值。該方法應(yīng)用于喉癌方面的研究非常少見(jiàn)，賈傳亮等[22]構(gòu)建MR影像組學(xué)列線圖對(duì)喉癌患者淋巴結(jié)轉(zhuǎn)移狀態(tài)進(jìn)行預(yù)測(cè)，結(jié)果顯示列線圖有良好的預(yù)測(cè)效能。

本研究采用基于CT的影像組學(xué)的方法，對(duì)術(shù)前喉癌患者以原發(fā)病灶為興趣區(qū)進(jìn)行勾畫并建立模型，從而對(duì)喉癌頸部淋巴結(jié)轉(zhuǎn)移狀態(tài)進(jìn)行無(wú)創(chuàng)預(yù)測(cè)。本研究最終篩選出5個(gè)影像組學(xué)特征，Entropy屬于一階特征，代表直方圖中像素分布的均勻性，可全局反映腫瘤內(nèi)部結(jié)構(gòu)和不均質(zhì)度；Large dependence high gray-level emphasis屬于灰度依賴矩陣(gray level dependence matrix，GLDM)特征，通過(guò)測(cè)量具有較高灰度值的大相關(guān)性的聯(lián)合分布來(lái)量化圖像的灰度依賴；Informational measure of correlation及Dissimilarity屬于灰度共生矩陣(gray level co-occurrence matrix，GLCM)特征，作用是量化紋理的復(fù)雜性；Small Zone High Gray-level Emphasis屬于灰度大小區(qū)域矩陣(gray level size zone matrix，GLSZM)特征，通過(guò)測(cè)量圖像中具有較高灰度值的小尺寸區(qū)域聯(lián)合分布的比例來(lái)量化圖像中的灰度區(qū)域，以上4個(gè)特征均屬于紋理特征，通過(guò)像素及其周圍空間領(lǐng)域的灰度分布對(duì)腫瘤區(qū)域體素及強(qiáng)度的空間排列信息進(jìn)行描述，從局部反映瘤內(nèi)異質(zhì)性?；谝陨嫌跋窠M學(xué)特征所構(gòu)建的影像組學(xué)模型取得良好的符合率、敏感度及特異度，在訓(xùn)練集及驗(yàn)證集中AUC分別為0.85及0.83，充分說(shuō)明喉癌原發(fā)灶與轉(zhuǎn)移淋巴結(jié)之間相關(guān)性較好，這與瞿嬌等[23]研究結(jié)果一致。田庚等[4]對(duì)比分析46例喉癌及喉咽癌患者的病理淋巴結(jié)狀態(tài)與螺旋CT上頸部淋巴結(jié)轉(zhuǎn)移狀態(tài)，發(fā)現(xiàn)術(shù)前螺旋CT對(duì)頸部淋巴結(jié)轉(zhuǎn)移的檢出率較高；張培棟等[24]采用多層螺旋CT對(duì)146例喉癌患者的頸部淋巴結(jié)轉(zhuǎn)移狀態(tài)進(jìn)行分析，結(jié)果表明多層螺旋CT對(duì)喉癌淋巴結(jié)轉(zhuǎn)移狀態(tài)的預(yù)測(cè)效能較高；本研究基于CT的形態(tài)學(xué)模型在訓(xùn)練集及驗(yàn)證集中的AUC分別為0.66及0.59，說(shuō)明螺旋CT對(duì)預(yù)測(cè)喉癌淋巴結(jié)轉(zhuǎn)移具有一定的診斷效能?；谀[瘤體積的影像組學(xué)模型是對(duì)腫瘤本身數(shù)據(jù)進(jìn)行分析，而基于增強(qiáng)CT圖像形態(tài)學(xué)模型是對(duì)淋巴結(jié)本身狀態(tài)進(jìn)行評(píng)估，兩者相互獨(dú)立，又相互關(guān)聯(lián)。本研究將二者構(gòu)建聯(lián)合模型，聯(lián)合模型在訓(xùn)練集及驗(yàn)證集中的AUC分別為0.82及0.73。Delong檢驗(yàn)顯示在訓(xùn)練集和驗(yàn)證集中，影像組學(xué)模型與形態(tài)學(xué)模型、聯(lián)合模型與形態(tài)學(xué)模型差異均有統(tǒng)計(jì)學(xué)意義(P<0.05)，而聯(lián)合模型與影像組模型差異無(wú)統(tǒng)計(jì)學(xué)意義(P>0.05)。結(jié)果表明，影像組學(xué)模型及聯(lián)合模型對(duì)喉癌頸部淋巴結(jié)轉(zhuǎn)移均具有較好的預(yù)測(cè)效能，兩者預(yù)測(cè)效能相當(dāng)，且均高于形態(tài)學(xué)模型。說(shuō)明基于CT圖像對(duì)喉癌原發(fā)灶勾畫所建立的影像組學(xué)模型作為一種術(shù)前無(wú)創(chuàng)預(yù)測(cè)喉癌頸部淋巴結(jié)轉(zhuǎn)移的工具，具有良好的應(yīng)用前景。

本研究的局限性在于：①腫瘤的VOI由放射科醫(yī)師手動(dòng)繪制，主觀性較大，可重復(fù)性偏低；②樣本量較小，且均來(lái)自同一中心；③本研究采用回顧性的研究方法，后續(xù)筆者考慮結(jié)合前瞻性研究，提高模型泛化能力；④未融合臨床病理及分子生物學(xué)信息，可能會(huì)降低模型的預(yù)測(cè)效能。

綜上所述，基于喉癌病灶為興趣區(qū)的CT影像組學(xué)模型可用于術(shù)前預(yù)測(cè)患者頸部淋巴結(jié)轉(zhuǎn)移，且其診斷效能高于形態(tài)學(xué)模型，可對(duì)臨床醫(yī)生治療決策提供參考。