基于磁共振扩散加权图像的诺模图在前列腺癌与前列腺增生鉴别诊断中的应用及其诊断PI-RADS 4分中前列腺癌的可行性

• 作者: 刘爱连 宋清伟 李昕 郭丹 郭妍 陈丽华 魏强
• 来源期刊: 中国临床医学影像杂志
• 学科: 医学
• 关键词: 前列腺肿瘤 前列腺增生 磁共振成像
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 腹部影像学
• 页码范围: 881-887
• 页数: 7页
• 分类号: R737.25|R697.3|R445.2
• 字数: 5598字
• 语种: 中文
• DOI: 10.12117/jccmi.2019.12.010

摘要

目的:探讨基于前列腺磁共振扩散加权图像(Diffusion-weighted imaging,DWI)的诺模图鉴别前列腺癌(Prostate cancer,PCa)与前列腺增生(Benign prostatic hyperplasia,BPH)的临床价值,及诊断临床可疑病变PI-RADS评分4分中PCa的可行性.方法:回顾性收集前列腺疾病患者260例,根据病理结果分为PCa(2010年7月—2017年10月,130例)和BPH组(2010年7月—2016年7月,130例).所有患者均经3.0T MR扫描仪扫描,扫描T1WI、T2WI、DCE-MRI及DWI(b=0、1000 s/mm2)序列.由2名具有5年MR诊断经验的影像医生协商对所有入组病例进行阅片,记录病灶在DWI图像上的信号特点,根据PI-RADS V2评分标准进行评分.基于DWI的影像组学方法主要分为5个步骤:①图像分割:由2名影像医生在不知道病理结果的情况下通过协商取得一致意见,选取病灶显示最大层面,沿前列腺边缘勾画出包含整个前列腺的感兴趣区域;对于DWI信号未升高的病例,结合T2WI、DCE-MRI序列确定病灶层面.②特征提取:由AK软件自动提取出397个纹理特征,包括大小、形状、直方图、灰度共生矩阵以及灰度运行长度矩阵等.③特征选择:按照7:3的比例将样本随机划分为训练组和验证组,在训练组样本中,采用最大相关最小冗余算法(MRMR)和LASSO算法选择并保留鲁棒性最好的特征用于建模.④模型构建:基于上述选择的组学特征,建立Logistic回归模型,得到组学模型;基于临床因素包括年龄、病灶位置、DWI信号特点以及TPSA指标水平,构建临床模型;再联合组学模型和临床模型两者得到联合模型,并绘制诺模图.⑤模型验证:将其余30％的数据代入上述模型中,绘制ROC曲线评价3个模型的诊断效能,并对临床可疑病变,即被2名观察者评估为PI-RADS 4分的病变,进行分层分析.绘制校准曲线和决策曲线评估诺模图的校准效能和临床应用价值.结果:本研究构建的诺模图鉴别PCa与BPH的曲线下面积(AUC)在训练组和验证组分别为0.95和0.92;校准曲线及决策曲线分析结果亦显示诺模图具有良好的临床应用价值.在PI-RADS 4分的可疑病变中,诺模图、组学模型和临床模型的AUC分别为0.73、0.81和0.54.结论:基于DWI的诺模图,能够很好地鉴别PCa与BPH;对于PI-RADS 4分的可疑病变,临床模型效能远不如组学模型,联合模型即诺模图诊断效能也低于组学模型,应进一步扩充样本量,深入探究影像组学在临床可疑病变中的鉴别诊断价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘爱连		232	1112	15.0	24.0
2	宋清伟		122	833	16.0	21.0
3	陈丽华		31	149	7.0	11.0
4	魏强		23	112	7.0	9.0
5	郭丹		5	7	1.0	2.0