基于影像组学的子宫内膜癌淋巴结转移术前预测模型的研究

【摘要】：研究背景:淋巴结转移状态是子宫内膜癌临床治疗决策的重要依据,但传统盆腔增强MRI对其诊断效能有限。影像组学(Radiomics)可将图像转化为可挖掘的数据,为内膜癌淋巴结转移术前预测提供了一条无创性途径。研究目的:通过影像组学,基于术前盆腔增强磁共振成像(Magnetic resonance imaging,MRI),构建子宫内膜癌淋巴结转移术前预测模型,并验证其预测效能。研究方法:本回顾性研究共纳入151名患者,随机分为训练集(90人)和测试集(61人)。在每位患者术前盆腔增强MRI的矢状位T2加权图像(T2-weighted imaging,T2WI)、矢状位 T1 加权对比剂增强图像(Tl-weighted+Contrast enhanced imaging,T1WI+C)和轴位表观弥散系数(Apparent Diffusion Coefficient,ADC)图像中用ITK-SNAP软件手工全层勾画内膜癌原发病灶作为感兴趣区(Region of interest,ROI)。从每个序列的ROI中提取647个特征并通过威尔逊秩和检验、斯皮尔曼相关系数、决策树筛选特征。通过筛选出的7个特征构建内膜癌淋巴结预测的影像组学模型(Radiomic signature)。通过前向逐步回归选择显著的(p0.05)临床病理信息(术前活检病理和CA125),综合影像组学参数,通过逻辑回归建立一个内膜癌淋巴结综合预测模型(Combined model)。通过受试者工作特征曲线下面积(Area under the receiver operating characteristics curve,AUC)、敏感度、特异度、准确率评估模型的诊断价值,并在测试集中进行验证。研究结果:影像组学模型在训练集中的AUC为0.878,综合预测模型在训练集中的AUC为0.916,体现了两个模型较好的预测性能,且综合预测模型优于影像组学模型。预测性能在测试集上得到了验证(影像组学模型AUC 0.880,综合预测模型AUC 0.897)。结论:多序列MRI影像组学参数可作为子宫内膜癌淋巴结转移术前预测的无创性标记物,结合影像组学参数和临床病理信息的内膜癌淋巴结转移术前综合预测模型诊断效能良好,可指导临床决策。