论文部分内容阅读
目的:探讨基于早期CSCC(Cervical squamous cell carcinoma,宫颈鳞癌)原发病灶ADC(Apparent diffusion coefficient,表观扩散系数)图的影像组学预测模型对PLNM(Pelvic lymph node metastasis,盆腔淋巴结转移)的预测价值。方法:对153例于2015年1月至2017年10月期间在辽宁省肿瘤医院(辽宁省癌症中心、大连医科大学临床肿瘤学院)就诊的早期CSCC患者行术前常规MR和DWI扫描。根据患者量2:1的标准将病例分为训练组102例和验证组51例,通过回顾病历获得患者的年龄和临床FIGO分期。肿瘤直径定义为在横断位、冠状位、矢状位MR-T2加权图像上测量的最大肿瘤直径;MRI显示的LN(Lymph node,淋巴结)阳性定义为横断位MR-T2加权图像上显示的最大短轴径≥10 mm的淋巴结。对所有患者的ADC图像进行逐层分割形成VOI(Volumes of Interes,感兴趣区容积),分割时需沿病灶边缘划线尽可能包括整个病灶;采用特征提取技术对病灶进行影像特征提取,每位患者均提取了66个影像组学参数特征。在训练组中,对66个影像组学参数进行分析,采用单因素方差分析(ANOVA)法和Mann-Whitney U检验法选择与PLNM相关的预测特征,并采用Pearson’s相关分析处理冗余特征;采用独立样本t检验比较淋巴结转移组和非淋巴结转移组之间患者年龄的差异,采用卡方检验比较淋巴结转移组和非淋巴结转移组之间计数资料(包括临床分期、肿瘤直径和MRI显示的LN状态)的差异;将与PLNM相关的特征参数进行多变量logistics逻辑回归分析,从而建立早期CSCC患者PLNM的术前预测模型;采用ROC曲线(Receiver operating characteristic curve,接受者操作特征曲线)评估模型和单独的临床或形态学影像特征在训练组中的预测性能。在验证组中,比较淋巴结转移组和非淋巴结转移组之间患者年龄的差异采用独立样本t检验,比较两组间临床分期、肿瘤直径和MRI显示的LN状态的差异采用卡方检验;将验证组中相关的临床特征、形态学影像特征和纹理特征代入来自训练组的预测模型中,采用ROC曲线对模型的性能进行内部验证,并评估模型和单独的临床或形态学影像特征在验证组中的预测性能。结果:1.Radiomics模型建立(训练组):1)102例患者中,淋巴结转移组患者的年龄略低于非淋巴结转移组,差异无统计学意义(P>0.05);而两组间的临床分期、肿瘤直径和MRI显示的LN状态存在显著差异,差异具有统计学意义(P<0.05)。2)66个纹理特征参数中,ADC最大值、集群突出、逆差距和灰度不均匀度为预测早期CSCC患者PLNM最有意义的预测特征;淋巴结转移组的ADC最大值、逆差距和灰度不均匀度略高于非淋巴结转移组,而淋巴结转移组的集群突出略低于非淋巴结转移组,差异具有统计学意义(P<0.05)。3)以临床特征、形态学影像特征和原发肿瘤ADC图的纹理特征为基础建立早期CSCC患者PLNM的术前预测模型,该模型包括临床分期、MRI显示的LN状态和灰度不均匀度;该模型的临界值为0.113,即估计概率大于11.3%的患者被认为存在PLNM。4)影像组学预测模型的AUC(Area under the curve,曲线下面积)为0.864,高于临床分期(AUC,0.607)、肿瘤直径(AUC,0.668)和MRI显示的LN状态(AUC,0.664)的AUC值;该模型的准确率为0.804,敏感度为0.846,特异度为0.778,阳性预测值为0.702,阴性预测值为0.891。2.Radiomics模型验证(验证组):1)训练组和验证组患者之间的LN患病率、临床分期、肿瘤直径和MRI显示的LN状态均无统计学差异(P>0.05),说明这两组患者可以被用作训练组和验证组进行模型的开发和验证。2)51例患者中,淋巴结转移组和非淋巴结转移组之间的患者年龄无统计学差异(P>0.05);而两组间的临床分期、肿瘤直径和MRI显示的LN状态存在显著差异,且差异具有统计学意义(P<0.05)。3)与临床分期(AUC,0.744)、肿瘤直径(AUC,0.744)和MRI显示的LN状态(AUC,0.772)的AUC值相比,影像组学预测模型的AUC值最高(AUC,0.870);该模型的准确率为0.784,敏感度为0.867,特异度为0.750,阳性预测值为0.591,阴性预测值为0.931。结论:1.临床分期、肿瘤直径和MRI显示的LN状态是预测早期CSCC患者PLNM的因素。2.基于原发肿瘤ADC图的影像组学预测模型包括临床分期、MRI显示的LN状态和灰度不均匀度,该模型的临界值为0.113,即估计概率大于11.3%的患者被认为存在PLNM。3.与单独的临床或形态学影像特征相比,影像组学预测模型在训练组和验证组中均显示出较好的预测能力,可以作为术前评估早期CSCC患者盆腔淋巴结状态的无创性预测工具。