论文部分内容阅读
[目的]本研究旨在开发和验证基于轴位T2加权成像（T2-weighted imaging,T2WI）、弥散加权成像（diffusion weighted imaging,DWI）的影像组学特征及相关临床因素的列线图预测模型,探讨列线图预测模型在术前鉴别诊断子宫肉瘤（uterine sarcoma,US）与非典型子宫肌瘤（atypical leiomyoma,ALM）中的应用价值。[材料与方法]回顾性收集2015年7月1日至2022年6月1日期间于山东大学齐鲁医院经术后组织病理学证实并在术前行盆腔磁共振（magnetic resonance imaging,MRI）检查的62例子宫肉瘤和77例非典型子宫肌瘤患者的临床、病理学及影像学资料。组织病理学检查是诊断子宫肉瘤与非典型子宫肌瘤的金标准。按照7:3的比例,本研究将43例子宫肉瘤和53例非典型子宫肌瘤患者纳入训练集中,余19例子宫肉瘤和24例非典型子宫肌瘤患者纳入测试集中。采用单因素和多因素逻辑回归分析比较纳入患者的临床特征（年龄、绝经状态、有无腹痛、有无腹胀、有无异常阴道出血、有无月经改变和有无自触包块情况）与常规MRI特征（肿瘤的最大径、边缘、形态、有无瘤内出血、有无瘤内囊变/坏死、有无瘤内血管流空信号、有无盆腔积液和有无盆腔淋巴结肿大情况）共15个相关临床因素,从中筛选出与鉴别诊断子宫肉瘤和非典型子宫肌瘤相关的临床因素独立危险指标,构建临床因素模型。在所有纳入患者的轴位T2WI和DWI图像上,使用ITK-SNAP软件,沿着肿瘤边缘手动逐层勾画感兴趣区（region of interest,ROI）,获得每位患者的ROI后进行影像组学特征的提取。依次通过方差阈值法、单变量选择法和最小绝对收缩与选择算子算法（least absolute shrinkage and selection operator,LASSO）进行影像组学特征的降维筛选,逐步获得最佳影像组学特征并对其进行建模,最终获得基于T2WI+DWI序列的影像组学模型并计算影像组学评分（radiomics score,Rad-score）。将临床因素独立危险指标和Rad-score结合起来,构建联合预测模型并绘制出列线图。分别绘制临床因素模型、影像组学模型和列线图预测模型的受试者工作特征曲线（receiver operating characteristic curve,ROC）,通过计算训练集和测试集的曲线下面积（area under the curve,AUC）来评估3种模型的鉴别诊断效能。计算3种模型的特异度（specificity,SPE）、敏感度（sensitivity,SEN）和准确率（accuracy,ACC）。通过 Delong 检验比较3种模型中任意2种模型间是否存在AUC值差异。通过决策曲线分析（decision curve analysis,DCA）评估列线图预测模型的临床应用价值。统计学方法使用SPSS版本软件和R版本软件。P＜0.05表示差异具有统计学意义。[结果]（1）单因素和多因素逻辑回归分析显示,有无异常阴道流血（OR=9.831,95%CI 2.299～42.038,P=0.002）和肿瘤形态（OR=13.258,95%CI 3.374～52.088,P＜0.001）为鉴别诊断子宫肉瘤和非典型子宫肌瘤的临床因素独立危险指标。临床因素模型在训练集和测试集的AUC值分别为0.879和0.822。（2）从轴位T2WI联合DWI序列的ROI中共提取了 2818个影像组学特征,最终降维筛选出13个与鉴别诊断子宫肉瘤和非典型子宫肌瘤最具相关性的影像组学特征（8个T2WI影像组学特征和5个DWI影像组学特征）,并计算出Rad-score。基于T2WI+DWI影像组学模型在训练集和测试集的AUC值分别为0.912和0.842。（3）联合临床因素独立危险指标和Rad-score建立的列线图预测模型在训练集和测试集中的AUC值分别为0.965和0.958。校准曲线显示列线图预测模型校准度良好。（4）在临床因素模型、基于T2WI+DWI影像组学模型和列线图预测模型这3种模型中,列线图预测模型的鉴别诊断效能均高于临床因素模型和单纯影像组学模型（训练集:Z=-3.394,P＜0.001 和 Z=-2.121,P=0.034;测试集:Z=-2.874,P=0.004 和 Z=-2.409,P=0.016）;临床因素模型和单纯影像组学模型之间的鉴别诊断效能无明显统计学差异（训练集:Z=-0.760,P=0.448;验证集:Z=-0.237,P=0.813）。DCA 显示,列线图预测模型在鉴别诊断子宫肉瘤和非典型子宫肌瘤方面比临床因素模型和单纯影像组学模型具有更高的净收益。[结论]有无异常阴道流血和肿瘤形态对鉴别诊断子宫肉瘤和非典型子宫肌瘤有一定意义。基于T2WI+DWI序列的影像组学模型在子宫肉瘤和非典型子宫肌瘤鉴别诊断方面具有潜在价值。联合临床因素独立危险指标及影像组学评分Rad-score构建的列线图预测模型可有效提高模型的鉴别诊断效能,有助于指导临床医生制定合理治疗方案。