论文部分内容阅读
[目的]探讨甲状腺乳头状癌原发癌灶基于小波变换的CT动脉期、静脉期纹理特征模型以及医师主观诊断模型、联合预测模型,四种模型预测中央组淋巴结转移的价值。[方法]1、收集我院2013年12月～2017年12月在昆明医科大学第一附属医院经手术病理证实为甲状腺乳头状癌(Papillary Thyroid Carcinoma,PTC)的患者548例(612枚结节),经严格入组标准筛选后有160例(189枚结节)纳入本研究,收集患者的年龄、性别、是否并发桥本氏甲状腺炎(Hashimoto’s thyroiditis,HT)、腺瘤/结甲肿等临床资料。据手术病理分为中央组淋巴结(Central Lymph Node,CLN)转移组和未转移组。2、由两名从事头颈部影像诊断5年以上的医师独立评估PTC的8个CT主观征象,包括结节位置、数量、大小、形态、钙化、增强后边界、甲状腺包膜侵犯、周围组织侵犯。Kappa检验评估2位观测者随机抽取30例患者主观征象评价的一致性,卡方检验比较两组间年龄、性别、是否并发HT、腺瘤/结甲肿及CT主观征象的差异,将单因素比较有统计学差异的CT主观征象纳入多元Logistic回归分析,构建医师主观诊断模型。3、深睿DeepWise软件手动逐层勾画CT增强动脉期、静脉期PTC癌灶容积,提取基于小波变换后不同频率通路的纹理特征(包括一阶、二阶和高阶纹理特征,共576个),采用独立样本t检验(正态分布)或Mann—Whitney U检验(非正态分布)比较两组间纹理特征参数的差异,ROC曲线分析动、静脉期CT图像有统计学意义的特征参数,预测中央组淋巴结转移(Central Lymph Node Metastasis,CLNM)的效能。手动筛选动静脉期诊断CLNM的曲线下面积(Receiver Operating Characteristic,AUC)排列前10的纹理特征作为最佳特征参数,行多重共线性检验后纳入多元Logistic回归分析,分别构建动脉期纹理特征模型及静脉期纹理特征模型。4、将临床、医师主观诊断特征及纹理特征中单因素比较有意义的变量纳入多元Logistic回归,构建联合预测模型。5、ROC曲线检验医师主观诊断模型、动脉期及静脉期纹理特征模型、联合预测四种模型诊断CLNM的效能,参数包括:AUC、准确率、敏感性及特异性,并采用Delong检验比较四种模型的AUC。[结果]1、一般情况:160例(189枚)PTC结节中,术后病理证实为CLN转移110枚、未转移组 79 枚。其中男 43 例(43/160,26.88%),女 117 例(117/160,73.13%),年龄15～74岁,平均年龄(43.43±0.93)岁。PTC癌灶最大径5.1～42.6mm,平均约(13.57±7.30)mm,CT检查与手术平均间隔时间为6(0～14)d。PTC伴HT 19例(19/160,11.88%),未合并 HT(141/160,88.13%);合并腺瘤 2 例(2/160,1.25%),合并结甲肿41例(41/160,25.63%),未合并腺瘤/结甲肿(117/160,73.13%)。两组间年龄比较差异有统计学意义(P<0.05),且年龄<45岁易出现CLN转移;两组间性别、PTC并发HT或腺瘤/结甲肿比较差异无统计学意义(P>0.05)。2、CT主观征象比较:两组间甲状腺包膜侵犯、周围组织侵犯比较差异有统计学差异(P<0.05),余CT主观征象两组间比较差异无统计学意义(P>0.05),两位观测者对30例患者的7个CT主观征象评估一致性均较好(Kappa值均>0.61),而对“周围组织侵犯”的评估一致性中等,Kappa值为0.58。3、不同期相CT图像纹理分析显示:动脉期两组间有统计学差异且诊断PTC CLNM最佳纹理特征参数的 AUC 值分别为:0.608、0.603、0.611、0.609、0.605、0.608、0.61、0.605、0.607、0.604(P<0.05);静脉期两组间比较有统计学差异且预测CLNM的最佳纹理特征参数 AUC 值分别为:0.630、0.616、0.610、0.607、0.605、0.604、0.602、0.599、0.595、0.595(P<0.05)。4、将单因素比较有统计学意义的变量,包括年龄、甲状腺包膜侵犯、周围组织侵犯及动静脉期最佳纹理特征纳入多元Logistic回归,构建联合预测模型,回归分析显示年龄、甲状腺包膜侵犯及纹理特征为联合预测模型诊断CLNM的独立风险因素。(P均<0.05)。5、医师主观诊断模型、动脉期纹理特征模型、静脉期纹理特征模型及联合预测模型诊断 CLNM 的 AUC 值及 95%CI(Confidence Interval)分别为 0.655(0.58-0.72)、0.668(0.60-0.74)、0.693(0.62-0.76)、0.803(0.739-0.867);敏感性为 62.21%、66.4%、62.84%、76.07%;特异性为 82.35%、60.34%、60.47%、70.83%;准确率为 64%、64.6%、63%、74.1%。医师主观诊断模型预测CLNM的敏感性较低,特异性均高于动静脉期纹理特征模型及联合预测模型,动静脉期纹理特征模型AUC及敏感性均高于主观诊断模型。联合预测模型AUC、敏感性及准确率在四种模型中最高。6、主观诊断模型、动脉期纹理特征模型、静脉期纹理特征模型AUC值两两比较均无统计学差异(P均>0.05),而联合预测模型的AUC值均高于医师主观诊断模型及动静脉期纹理特征模型(P=0.046、0.001、0.003)。[结论]1、基于甲状腺乳头状癌癌灶动静脉期CT图像小波纹理分析模型对预测中央组淋巴结转移有一定价值,动脉期、静脉期纹理特征模型预测甲状腺乳头状癌中央组淋巴结转移的AUC值分别为0.668、0.693。2、基于甲状腺乳头状癌癌灶CT图像动脉期与静脉期小波纹理分析预测中央组淋巴结转移模型效能无差异,与基于甲状腺乳头状癌癌灶的CT形态学医师主观模型预测中央组淋巴结转移的效能也无差异。3、结合影像组学小波纹理特征、CT主观征象及临床危险因素共同构建的甲状腺乳头状癌癌灶CT图像联合预测模型预测甲状腺乳头状癌中央组淋巴结转移的AUC、敏感性及准确率较高(0.803、76.07%、74.1%)。