基于BOLD-MRI的影像组学鉴别肾良恶性肿瘤

• 作者: 邓叶岚 潘靓 邢伟 周智 陈杰
• 来源期刊: 中南大学学报（医学版）
• 关键词: 肾肿瘤 影像组学 血氧水平依赖磁共振成像
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 论著|Articles
• 页码范围: 1010-1017
• 页数: 8页
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7347.2021.200827

摘要

目的:血氧水平依赖磁共振成像(blood oxygen level dependent magnetic resonance imaging,BOLD-MRI)技术是一种反映组织和细胞血氧水平的无创磁共振成像方法,本研究探讨基于BOLD-MRI的影像组学鉴别肾良、恶性肿瘤的价值.方法:回顾性分析经手术病理证实并于术前2周内行肾T1加权成像(T1 weighted imaging,T1WI)、T2加权成像(T2 weighted imaging,T2WI)及BOLD-MRI扫描的141例肾肿瘤患者的资料.其中男74例,女67例;年龄26～78(中位年龄56)岁;恶性肿瘤118例,良性肿瘤23例.将良、恶性肿瘤分成训练组(良性17例,恶性83例)和验证组(良性6例,恶性35例).由两位未知肿瘤病理类型的影像科医师(A、B)独立勾画肿瘤最大层面的边缘,生成感兴趣区(regions of interest,ROI),医师B间隔1个月再次勾画ROI,用组内相关系数(intra-class correlation coefficient,ICC)评估观察者间及观察者内一致性(ICC>0.75为一致性较好).将T2*Mapping图像及ROI图像导入Artificial Intelligence Kit软件,从每个ROI中提取出基于形态学、直方图、灰度共生矩阵、灰度游程长度矩阵、灰度区域大小矩阵、灰度依赖性矩阵的396个影像组学特征.对训练组采用最小冗余最大相关性(minimum redundancy maximum relevance,mRMR)算法筛选出冗余度最低相关性最高的特征,再使用最小绝对收缩与选择算子(least absolute shrinkage and selection operator,LASSO)法筛选出预测价值最高的特征,采用多因素logistic回归构建影像组学模型.计算每个病例的影像组学分值(Radscore).采用Wilcoxon检验比较训练组和验证组肾良、恶性肿瘤之间Radscore的差异;使用受试者工作特征(receiver operating characteristic,ROC)曲线和留组交叉验证(leave group out cross validation,LGOCV)法分析和评估模型鉴别肾良、恶性肿瘤的诊断效能;采用决策曲线分析评估模型的临床应用价值.结果:良、恶性肿瘤两组患者年龄差异有统计学意义(t=4.383,P<0.001);性别构成差异无统计学意义(χ2=3.452,P=0.063);两组肿瘤最大径差异无统计学意义(t=1.432,P=0.154).医师A和医师B各自独立测量的组间ICC值为0.71～0.87,医师B两次测量的组内ICC为0.76～0.91.采用mRMR算法筛选出30个冗余度最低相关性最高的特征,采用LASSO法筛选出12个预测价值最高的特征.训练组和验证组恶性肿瘤Radscore均高于良性肿瘤(分别P<0.001和P=0.006).影像组学模型鉴别训练组、验证组肾良、恶性肿瘤的ROC曲线下面积分别为0.881、0.706,准确度分别为82.93％、79.00％,敏感度分别为82.86％、77.11％,特异度分别为83.33％、88.24％.决策曲线分析结果显示当阈值高于0.3时,影像组学模型的净收益率高于被识别为"全部恶性"或"全部良性"的净收益率.结论:基于BOLD-MRI影像组学可作为一种无创预测肾良、恶性肿瘤的工具.