论文部分内容阅读
研究目的:探索基于多参数磁共振(multiparametric-MRI,Mp-MRI)影像组学术前预测前列腺癌包膜外侵犯(extracapsular extension,ECE)的潜在作用。材料和方法:回顾分析来自皖南医学院第一附属医院2013年06月至2019年10月期间进行Mp-MRI检查且病理证实前列腺癌101例(包膜外侵犯阳性组47例、包膜外侵犯阴性组54例),使用RadiAnt DICM Viewer(64-bit)和ITK-SNAP(version 3.6)软件对Mp-MRI各序列进行初步处理及手动逐层勾画ROI,将各序列及VOI信息导入GE公司研发的AK软件并提取纹理特征参数,使用最小冗余最大相关性(mRMR)、最小绝对收缩和选择算法(LASSO)筛选出最佳的影像组学特征,使用辑回归(Logistic)的机器学习方法建立各个序列及联合序列影像组学模型,探索各个序列及联合序列模型与病理性包膜外侵犯状态之间的关联,通过受试者工作曲线(ROC)分析来评估各模型的鉴别诊断能力。最后我们将样本随机分配到训练组(n=71)和验证组(n=30)进行各模型的训练和验证。结果:1、T1WI影像组学模型在训练组和验证组中的AUC值、敏感度及特异度分别为0.960、0.911、0.892,0.780、0.692、0.705;T2WI影像组学模型在训练组和验证组中的AUC值、敏感度及特异度分别为0.890、0.971、0.703,0.870、0.923、0.765;DWI影像组学模型在训练组和验证组中的AUC值、敏感度及特异度分别为0.940、0.853、0.892,0.920、1.000、0.647;DCE影像组学模型在训练组和验证组中的AUC值、敏感度及特异度分别为0.940、0.882、0.919,0.940、0.846、0.882。2、联合序列影像组学模型在训练组和验证组中的AUC值、敏感度及特异度分别为0.990、0.971、0.973,0.910、1.000、0.765。通过决策曲线分析证实了该模型的临床实用性。结论:基于Mp-MRI影像组学模型对前列腺癌包膜外侵犯具有良好的诊断效能,对于术前预测前列腺癌包膜外侵犯有着较大的潜能及临床意义,从而可能为临床医生制定个性化的治疗方案提供帮助。