前列腺癌瘤内及瘤周MRI影像组学对骨转移的诊断价值

• Published in: 解放军医学杂志 Vol. 50; no. 1; pp. 1 - 8
• Main Authors: 张云峰, 杨志军, 杨进, 苗国良, 何涵, 周逢海
• Format: Journal Article
• Language: Chinese
• Published: 甘肃中医药大学第一临床医学院,甘肃 兰州 730000%兰州大学第一临床医学院,甘肃 兰州 730000%甘肃省人民医院泌尿外科干部病区,甘肃 兰州 730000 28.01.2025
• Subjects: 前列腺癌; 骨转移; prostate cancer; 机器学习; bone metastases; peritumoral radiomics; machine learning; 瘤周影像组学
• ISSN: 0577-7402
• DOI: 10.11855/j.issn.0577-7402.0390.2024.1015

R737.25; 目的 探讨基于磁共振成像(MRI)的前列腺癌(PCa)瘤内及瘤周影像组学对骨转移的诊断价值.方法 收集2018年1月-2023年1月在甘肃省人民医院经组织穿刺病理学检查确诊为PCa的211例患者的临床资料进行回顾性分析.将患者按照7:3的比例随机分为训练集(n=147)与验证集(n=64);分别从患者的T2加权成像(T2WI)、扩散加权成像(DWI)及扩散系数成像(ADC)3个序列勾画感兴趣区(ROIs),用于提取影像组学特征;使用Z-score(正则化)、LASSO算法进行影像组学特征的降维、选择、构建;然后基于逻辑回归(LR)机器学习分类器构建模型;绘制受试者操作特征(ROC)曲线并计算曲线下面积(AUC),评估模型的效能;绘制校准曲线和决策曲线(DCA)评价模型的拟合度及临床净获益.结果 从T2WI、DWI和ADC中分别提取瘤内和瘤周影像组学特征各312个.使用LASSO回归模型最终筛选出与骨转移密切相关的瘤内影像组学特征10个(包括2个T2序列特征、7个DWI特征、1个ADC序列特征)及瘤周影像组学特征9个(包括4个T2序列特征、3个DWI特征、2个ADC序列特征).基于瘤内影像组学特征构建的模型在验证集中AUC为0.845(95%CI 0.747～0.943),基于瘤周影像组学特征构建的模型在验证集中AUC为0.818(95%CI 0.716～0.919);基于瘤内、瘤周影像组学特征及临床特征(包括Gleason评分、总前列腺特异性抗原、体重指数)构建的联合模型(列线图)的AUC为0.936(95%CI 0.902～0.970);校准曲线表明联合模型具有良好的拟合度,DCA表明联合模型具有更好的临床净获益.结论 瘤周影像组学对于初诊PCa骨转移有较高的诊断价值,且结合瘤内影像组学特征及临床特征可明显提高模型的诊断能力.