文献推荐：影像组学评分是基于影像学特征的一个单发HCC患者术后生存的预后指标

今天献丑了，分析的是ZBH和LLZ两位师兄的临床评分文章（我能大概读懂结果和思路，但是方法学一窍不通）。如有不妥之处，请多多指点。

这篇文章发表在BMC Cancer上，分数不高，但我个人看来这篇文章还是有很多值得学习之处。

现在作为HCC患者预后的评分系统有很多，之前分析的ALBI就是其中之一。今天的这个放射组学评分我也拿出来看一下。

Methods

1. 首先来看样本的入选标准：训练队列212人，验证组107人。下面看看flow chart：

（数据丢失太多，最后导致的样本量小，这可能是文章的不足之处，偏倚大）

2. 两个结局指标是：复发间隔期TTR和总生存期OS

3. 用Matlab 做增强CT动脉期影像的质构分析，GCLM灰度共生矩阵获取110个放射学特征。之后质构分析texture analysis（emmm...不会怎么搞）

4. 观察者间或观察者内的放射组学特征提取的可重复性：60个影像（为什么是60个？？？不是600个？）用来评估不同观察者间（10年经验医师vs5年经验医师）的可重复性。1观察者内可重复性验证：10年经验医师1周两次做两次同样的质构分析。intraclass correlation coefficient（ICC，同类相关系数）用来评估者间和者内质构分析结构的差异。（em.....不会怎么搞）

5. 质构分析的影像学特征的挑选+rad评分系统的建立：（前面这个10倍这个没看懂）用R语言的glmnet包做lasso-logistic regression从110个rad特征里筛出6个（用训练队列212人计算的）。RMS包用来计算rad评分公式：

6. 统计分析用的SPSS或R的rms包，X-tile用来取rad-score的cut-off值（X-tile是一种可以区别肿瘤亚群、判定biomarker和结局关联性强度的工具，非常想学）。其他方法包括生存KM曲线、COX回归、C-index、校正曲线、诺谟图。

个人感悟：可以看出丰富的方法学手段为一个简单的idea添砖加瓦，锦上添花，提升档次。

Results

1. 319个病人临床基线表：（年龄、性别、肿瘤大小、血管侵犯、微血管侵犯、肿瘤分化、肝硬化、乙肝、包膜、术前血生化DB、TB、ALT、AST、AFP、ALB、GGT）

2. 者间和者内可重复性很好（ICC很高）

3. rad评分与临床特征的联系：用X-tile得出rad4.32分的cut-off值，把319人分为二分类（rad分高低两组）。然后再做了个多因素分析：低rad分与高AFP、肿瘤大、血管侵犯、TNM和BCLC高分期有关。（多因素表应该是S1，但网站上并未提供，估计被杂志社吃了吧）

4. 低rad评分与低生存有关：做KM曲线看两个队列的TTR和OS，再做了个术后复发和术后生存的COX多因素（见table），可以看出rad评分可以作为独立预测因素。

5. 做rad分评级TTR和OS的nomogram和其校正图+C-index验证nomogram的准确性，Hosmer-Lemeshow test验证了预测校准取消和理想校准曲线无统计学差异

6. 比较rad评分的nomogram与传统TNM，BCLC，JIS，HKLC评分：还是见上图C-index的table 4，最后发现rad-score的nomogram最准确。

7. rad评分增强其他评分的准确性：见table 4。rad评分对于临床指标、TNM、BCLC等评分系统有补充作用，将rad评分与上述评分整合到一起，C-index明显提升。

这么丰富的方法学我也是看了一天，并且还不会，但是能大概缕出个思绪：

1. 先筛好影像学特征并做好rad评分
2. 设定cut-off证明rad评分与预后差有关
3. 再做KM生存曲线（TTR+OS）
4. 再做rad-score诺谟图
5. 比较rad-score 诺谟图与其他评分系统的准确性c-index。