基于MRI的多参数影像组学模型预测前列腺癌病人的盆腔淋巴结侵犯情况

• 作者: 梁丽红（译） 刘周（校） 罗德红（校）
• 来源期刊: 国际医学放射学杂志
• 年，卷（期）: 2023,（5）
• 所属期刊栏目: 国际期刊连线
• 页码范围: 620
• 页数: 1页
• 语种: 中文
• DOI: 10.19300/j.2022.e0814

摘要

目的 通过基于影像组学的机器学习方法预测淋巴结侵犯（LNI），确定哪些前列腺癌（PCa）病人可以安全地避免扩大盆腔淋巴结清扫（ePLND）。方法 研究提出了一个整合的影像组学模型（IRM）来预测经组织病理学检查证实的LNI。该模型通过支持向量机（SVM）整合了从前列腺指数病变区域的MRI影像上提取的影像组学特征，以及临床特征。研究队列纳入2010—2019年期间244例行MRI检查，并在6个月内进行根治性前列腺切除术（RP）和ePLND的PCa病人。IRM在训练/验证集中进行训练，并在内部独立测试集中进行评估。该模型的性能由曲线下面积（AUC）、敏感度、特异度、阴性预测值（NPV）和阳性预测值（PPV）衡量。采用Delong检验比较AUC，得到95%CI，其余测量值采用卡方检验或Fisher确切概率检验进行比较。结果 训练/验证集和测试集分别纳入17例（10.6%）和14例（16.7%）LNI病人。形状和一阶影像组学特征在构建IRM时具有贡献性。IRM在测试集中AUC为0.915（95%CI：0.846~0.984），优于先前的列线图，其AUC为0.698~0.724（P<0.05）。结论 所提出的IRM可具有预测PCa病人发生LNI风险的潜力。随着可预测能力的提高，它可以用来评估哪些PCa病人可以安全地避免ePLND，从而能有针对性地减少。