论文部分内容阅读
第一部分基于mpMRI淋巴结影像分割提取影像组学参数构建影像组学标签预测宫颈癌淋巴结转移[目 的]通过提取宫颈癌患者治疗前淋巴结的多参数核磁共振成像（multi-parameters magnetic resonance imaging,mpMRI）的影像组学特征,构建影像组学标签,实现无创性精准预测淋巴结转移。[方法]前瞻性收集189例宫颈癌患者。本研究开始前均取得入组病人的知情同意,并获得医院伦理委员会许可。所有病例均完成标准盆腔宫颈癌3.0 T MRI检查,检查后10天内完成手术。采用影像-手术-病理对照的方法,最终获得影像-病理一一对应的162枚淋巴结,其中病理检测阳性淋巴结86枚（取自27例有淋巴结转移的患者）、阴性淋巴结76枚（取自30例无淋巴结转移的患者）。符合入组标准的162枚淋巴结分别由我科室内有10年以上诊断经验的医师采用ITK-SNAP软件完成冠状位T2WI（T2 Weighted Image,T2WI）、横轴位T1 加权成像（T1Weighted Image,T1WI）增强动脉期及静脉期序列淋巴结图像的3D手动分割,然后根据影像标志物标准化倡议（image biomarker standardization initiative,IBSI）采用Anaconda 3软件导入pyRadiomics特征包从上述的感兴趣区域（Voxel of Interest,VOI）提取影像特征,每个序列分别提取淋巴结病灶的851个影像组学特征。首先分别基于单个MRI序列进行影像组学标签（radiomics score,Rad-score）构建,继而联合三个序列进行影像组学标签Rad-score构建。影像组学标签构建方法为首先将所有淋巴结按7:3随机分为训练组和验证组,分别为115枚和47枚淋巴结,其中训练组中转移淋巴结61枚,非转移淋巴结54枚;验证组中转移淋巴结25枚,非转移淋巴结22枚。继而采用最大相关性最小冗余（max-relevance andmin-redundancy,mRMR）进行特征去冗降维,保留30个特征后,采用套索回归（least absolute shrinkage and selection operator,LASSO）进行特征降维,并选取最小惩罚系数logλ对应的特征数构建影像组学标签。[结 果]1.基于T2WI分割淋巴结构建Rad-score,取最小惩罚系数logλ=0.033最终对应的15个影像组学特征构建了影像组学标签Rad-score,用于鉴别淋巴结是否转移,AUC在训练组中为0.88（95%CI,0.81-0.94）,在验证组中为0.87（95%CI,0.78-0.97）。准确度、敏感度和特异度在训练组中分别为0.948、0.950、0.944,验证组中分别为0.936、0.893、1.000。2.基于T1WI增强动脉期分割淋巴结构建Rad-score,取最小惩罚系数logλ=0.012最终对应的13个影像组学特征构建了影像组学标签Rad-score,用于鉴别淋巴结是否转移,AUC在训练组中为0.90（95%CI,0.85-0.95）,在验证组中为0.89（95%CI,0.79-0.98）。准确度、敏感度和特异度在训练组中分别为0.947、0.936、0.961,验证组中分别为0.936、0.923、0.952。3.基于T1WI增强静脉期分割淋巴结构建Rad-score,取最小惩罚系数logλ=0.009最终对应的15个影像组学特征构建了影像组学标签Rad-score,用于鉴别淋巴结是否转移,AUC在训练组中为0.92（95%CI,0.88-0.97）,在验证组中为0.91（95%CI,0.82-1.00）。准确度、敏感度和特异度在训练组中分别为0.930、0.920、0.942,验证组中分别为0.978、0.887、1.000。4.基于T2WI、T1WI增强动脉期及静脉期分割淋巴结构建Rad-score,取最小惩罚系数logλ=0.025最终对应的13个影像组学特征构建了影像组学标签Rad-score,用于鉴别淋巴结转移与否显示出较好的效能,AUC在训练组中为0.94（95%CI,0.90-0.98）,在验证组中为0.93（95%CI,0.86-1.00）。准确度、敏感度和特异度在训练组中分别为0.947、0.923、0.980,验证组中分别为0.936、0.958、0.913。[结论]基于治疗前T2WI、T1WI增强动脉期及静脉期分割淋巴结提取影像组学特征后联合构建影像组学标签可早期预测宫颈癌淋巴结是否转移,可作为一种无侵袭性、定量影像标记物协助宫颈癌的术前分期。第二部分基于宫颈癌mpMRI肿瘤影像分割提取影像组学参数构建Rad-score预测淋巴结转移[目 的]通过对治疗前宫颈肿瘤病灶mpMRI提取的影像组学特征进行特征去冗降维构建最优影像组学标签联合临床参数构建联合模型实现治疗前无侵袭性评估宫颈癌淋巴结转移。[方法]回顾性纳入2012年10月至2017年12月在云南省肿瘤医院确诊为宫颈癌（IB1期-ⅡB期）行C型根治术和盆腔淋巴结切除术的患者630名,所有病例均完成宫颈癌标准方案盆腔核磁共振成像（magnetic resonance imaging,MRI）检查。将最终符合研究入组标准的患者按不同治疗方案分别进行淋巴结是否转移的研究。本研究中的患者分为单纯手术患者和新辅助化疗联合手术患者。分别对不同治疗的患者按7:3比例随机分为训练组和验证组。由我科室内有10年以上诊断经验的医师采用ITK-SNAP软件完成子宫颈轴位T2WI、横轴位T1WI增强动脉期及静脉期序列宫颈肿瘤图像的3D手动分割,然后根据影像标志物标准化倡议IBSI采用Anaconda 3软件导入pyRadiomics特征包从上述的VOI提取影像特征,每个序列分别提取肿瘤病灶的851个影像组学特征。首先分别基于单个MRI序列进行影像组学标签Rad-score构建,最终选取最优诊断效能MRI序列构建影像组学标签Rad-score并联合临床参数构建多元逻辑回归模型预测淋巴结,并采用Nomogram可视化模型。临床参数的筛选采用逐步递进多元逻辑回归模型,分别计算临床参数的共线性VIF,筛除VIF＞5的参数。采用ROC评估Nomogram预测淋巴转移的诊断效能,采用临床决策参数（decision curve analysis,DCA）比较Nomogram、Radiomics及临床参数模型评估宫颈癌患者淋巴是否转移的临床决策收益。[结 果]1.基于mpMRI宫颈肿瘤影像分割提取影像组学参数构建Rad-score评估新辅助化疗联合手术的宫颈癌患者淋巴结转移1).基于T2WI分割宫颈肿瘤构建Rad-score评估淋巴结转移,AUC在训练组中为 0.751（95%CI,0.623-0.878）,在验证组中为 0.765（95%CI,0.526-1.000）;准确度、敏感度和特异度在训练组中分别为0.678、0.571、0.941,验证组中分别为0.782、0.823、0.667。2).基于T1WI增强动脉期分割宫颈肿瘤构建Rad-score评估淋巴结转移,AUC在训练组中为 0.860（95%CI,0.755-0.965）,在验证组中为 0.902（95%CI,0.754-1.000）、;准确度、敏感度和特异度在训练组中分别为0.864、0.905、0.764,验证组中分别为0.913、0.941、0.833。3).基于T1WI增强静脉期分割宫颈肿瘤构建Rad-score评估淋巴结转移,AUC在训练组中为 0.833（95%CI,0.720-0.947）,在验证组中为 0.853（95%CI,0.693-1.000）;准确度、敏感度和特异度在训练组中分别为0.814、0.810、0.823,验证组中分别为0.826、0.764、1.000。4).基于最优诊断效能T1WI增强动脉期分割宫颈肿瘤构建的影像组学标签Rad-score联合临床参数（术前FIGO分期及MRI测量肿瘤最大径线）构建多元逻辑回归模型Nomogram可视化,用于评估淋巴结转移,AUC在训练组中为0.90（95%CI,0.82-0.98）,在验证组中为 0.91（95%CI,0.79-1.00）。此模型诊断淋巴转移的诊断效能高于Rad-score高于临床参数,在训练组中AUC分别为（0.90 vs 0.86 vs 0.68）,在验证组中分别为（0.91 vs 0.90 vs 0.54）。采用BOOT对训练组和验证组中患者按照Nomogram进行验证,训练组以及验证组中重复2000次验证显示Nomogram的诊断效能属于95%CI区间中,且差异具有统计学意义（P=0.006）。2.基于mpMRI宫颈癌患者肿瘤影像分割提取影像组学参数构建Rad-score评估单纯手术宫颈癌患者淋巴结是否癌细胞转移1).基于T2WI分割宫颈肿瘤构建Rad score评估淋巴结转移,AUC在训练组中为 0.74（95%CI,0.63-0.86）,在验证组中为 0.69（95%CI,0.52-0.85）;准确度、敏感度和特异度在训练组中分别为0.727、0.469、0.833,验证组中分别为0.577、0.277、0.778。2).基于T1WI增强动脉期分割宫颈肿瘤构建Rad-score评估淋巴结转移,AUC在训练组中为 0.79（95%CI,0.70-0.88）,在验证组中为 0.70（95%CI,0.52-0.89）;准确度、敏感度和特异度在训练组中分别为0.718、0.465、0.880,验证组中分别为 0.533、0.307、0.842。3).基于T1WI增强静脉期分割宫颈肿瘤构建Rad-score评估淋巴结转移,AUC在训练组中为0.77（95%CI,0.66-0.88）,在验证组中为0.63（95%CI,0.41-0.84）;准确度、敏感度和特异度在训练组中分别为0.818、0.900、0.810,验证组中分别为0.755、0.500、0.767。4).基于最优诊断效能T1WI增强动脉期分割宫颈肿瘤构建的影像组学标签Rad-score联合临床参数（术前MRI测量肿瘤最大径线及怀孕次数）构建多元逻辑回归模型Nomogram可视化,用于评估淋巴结转移,AUC在训练组中为0.83（95%CI,0.74-0.92）,在验证组中为 0.70（95%CI,0.51-0.88）。此模型诊断淋巴转移的诊断效能高于Rad score高于临床参数,在训练组中AUC分别为（0.83 vs 0.79 vs 0.70）,在验证组中分别为（0.70 vs 0.70 vs 0.56）。[结论]基于治疗前最优诊断效能T1WI增强动脉期分割宫颈肿瘤构建的影像组学标签联合临床参数构建多元逻辑回归模型Nomogram可视化,可早期无侵袭性预测新辅助化疗联合手术以及单纯手术治疗的宫颈癌患者的淋巴结转移。第三部分 基于mpMRI影像组学联合临床参数预测宫颈癌患者术后无进展生存期[目 的]通过对治疗前mpMRI宫颈肿瘤提取的影像组学特征去冗降维,构建影像组学标签联合临床参数建模实现无侵袭性预测宫颈癌患者术后无进展生存期。[方法]回顾性收集本研究第二部分入组的新辅助化疗患者的临床及MRI影像参数,包括年龄、体重指数、治疗前国际妇产联盟（international federation of gynecology and obstetrics,FIGO）分期、中性粒细胞绝对值、淋巴细胞绝对值、单核细胞绝对值、血小板、血红蛋白、血清白蛋白、鳞状细胞癌相关抗原（Squamous Cell Carcinoma-related Antigen,SCC-Ag）、癌胚抗原（carcinoembryonic antigen,CEA）、糖类抗原 125（carbohydrate antigen 125,CA125）、HPV、治疗前MRI测量肿瘤最大径线、肿瘤最小ADC值等。本研究的随访终点事件是术后复发或转移。入组患者按7:3随机分为训练组和验证组。采用第二部分研究从子宫颈轴位T2WI、横轴位T1WI增强动脉期及静脉期序列宫颈肿瘤图像提取的影像组学特征,首先分别基于单个MRI序列进行影像组学标签Rad-score构建,预测宫颈癌患者术后无进展生存期,再联合临床参数构建多元生存风险模型（Cox Proportional Hazards Regression Model,COX）模型,并采用Nomogram可视化预测宫颈癌患者术后无进展生存期,评估患者的3、4、5年生存率。基于训练组中患者临床单因素分别进行log rank分析,将HR＞1的参数纳入COX模型。分别在训练组和验证组采用一致性指数（Index of Concordance,C-index）、iAUC评估模型的预测效能。[结果]共计纳入82名新辅助化疗联合手术的宫颈癌患者,其中18名患者出现复发,64名患者无复发。1.基于T2WI分割宫颈肿瘤以是否复发转移作为分类标签构建Rad-score,取最小惩罚系数logλ=0.049最终对应的7个影像组学特征构建了影像组学标签Rad-score;将训练组和测试组中的Rad-score根据患者PFS进行单因素KM分析,Rad-score在训练组中log rank检验P＜0.0001,在验证组中log rank检验P=0.96,Rad-score在训练组和验证组中评估生存分析的诊断效能采用C-index衡量,训练组中为0.849,验证组中为0.711。2.基于T1WI增强静脉期分割宫颈肿瘤以是否复发转移作为分类标签构建Rad-score,取最小惩罚系数logλ=0.028最终对应的9个影像组学特征构建了影像组学标签Rad score;将训练组和测试组中的Rad-score根据患者PFS进行单因素KM分析,Rad-score在训练组中log rank检验P＜0.0001,在验证组中log rank检验P=0.48,Rad-score在训练组和验证组中评估生存分析的诊断效能采用C-index衡量,训练组中为0.828,验证组中为0.697。3.基于T1WI增强动脉期分割宫颈肿瘤以是否复发转移作为分类标签构建Rad-score,取最小惩罚系数logλ=0.132最终对应的2个影像组学特征构建了影像组学标签Rad-score;将训练组和测试组中的Rad-score根据患者PFS进行单因素KM分析,Rad-score在训练组中log rank检验P=0.00081,在验证组中log rank检验P=0.0026,Rad-score在训练组和验证组中评估生存分析的诊断效能采用C-index衡量,训练组中C-index为0.896,验证组中C-index为0.802。4.基于T1WI增强动脉期磁共振成像构建影像组学标签联合临床参数（术前血小板、中性粒细胞）构建COX模型评估宫颈癌患者无进展生存期,Nomogram的模型诊断效能训练组C-index为0.948,验证组C-index为0.849,Nomogram与理想模型拟合较好;采用iAUC评估模型预测患者无进展生存期效能,训练组iAUC 为 0.943,测试组中 iAUC 为 0.865。[结论]基于治疗前T1WI增强动脉期序列宫颈肿瘤提取的影像组学标签联合临床参数（术前血小板、中性粒细胞）构建多元逻辑回归模型Nomogram可视化,可早期无侵袭性预测新辅助化疗联合手术的宫颈癌患者无进展生存期,协助临床制定个体化治疗方案。