简介：

简介：

简介：摘要目的构建基于增强计算机断层扫描(CT)影像学特征的列线图模型，辅助医师鉴别胃神经鞘瘤与胃间质瘤。方法回顾性收集2012年1月1日至2022年1月1日于浙江大学医学院附属第二医院和中国科学院大学宁波华美医院经手术病理证实的57例胃神经鞘瘤和275例胃间质瘤患者的相关资料，其中39例胃神经鞘瘤和201例胃间质瘤患者纳入训练集，余18例胃神经鞘瘤和74例胃间质瘤患者纳入验证集。收集增强CT影像学特征(肿瘤大小指数、增强扫描动脉期CT值、增强扫描静脉期CT值、有无坏死、有无钙化、黏膜面是否完整、是否均匀强化等)和临床资料[胃炎病史、糖类抗原19-9(CA19-9)、癌胚抗原、单核细胞与淋巴细胞比值(MLR)等]。采用最小绝对收缩和选择算法(LASSO)回归分析筛选鉴别胃神经鞘瘤与胃间质瘤的影像学特征独立预测因子，基于增强CT影像学特征构建列线图模型。采用logistic回归分析筛选鉴别胃神经鞘瘤与胃间质瘤的临床指标独立预测因子，构建临床对照模型。绘制受试者操作特征曲线(ROC)分析列线图模型在训练集和验证集的曲线下面积(AUC)，并通过一致性指数(CI)、决策曲线分析(DCA)评估列线图模型的预测效能和临床应用价值。统计学方法采用DeLong检验。结果LASSO回归分析显示，肿瘤大小指数、增强扫描动脉期CT值、增强扫描静脉期CT值、有无坏死、有无钙化、黏膜面是否完整、是否均匀强化是鉴别胃神经鞘瘤与胃间质瘤的影像学特征独立预测因子(均P<0.05)。logistic回归分析显示，胃炎病史(OR＝0.280，95%置信区间0.138~0.566)、CA19-9(OR＝0.940，95%置信区间0.890~0.993)、癌胚抗原(OR＝0.794，95%置信区间0.661~0.952)、MLR(OR＝0.087，95%置信区间0.009~0.860)为鉴别胃间质瘤与胃神经鞘瘤的临床指标独立预测因子(P<0.001、＝0.028、0.013、0.037)。列线图模型在训练集、验证集的AUC为0.881、0.850，临床对照模型在训练集、验证集的AUC为0.814、0.772，差异均有统计学意义(Z＝2.57、1.96，P＝0.005、0.030)。列线图模型平均CI为0.885。DCA显示，列线图模型在区分胃神经鞘瘤与胃间质瘤方面比临床对照模型具有更高的总体净获益。结论基于增强CT影像学特征构建的列线图模型可有效区分胃神经鞘瘤与胃间质瘤，有助于医师做出精确的临床决策。