论文部分内容阅读
目的:探讨基于常规MRI征象分析、影像组学评分及列线图用于软组织肉瘤与结节性筋膜炎鉴别诊断的应用价值。材料与方法:一、病例资料收集2010年1月至2021年12月于大连医科大学附属第二医院行MRI检查且病理诊断为软组织肉瘤与结节性筋膜炎的患者。共收集85例患者,其中STS共58例,NF共27例,女37例、男46例,平均年龄为51.4±18.5岁。二、MR成像设备58例STS与27例NF患者采用GE Discovery MR 750W 3.0T、Siemens Verio3.0 T及GE HDxt 1.5T MR扫描仪行MRI检查,扫描序列包括:FS-T1WI、FS-T2WI和FS-T1WI+C。三、MRI观察指标及其影像评价方法58例STS与27例NF的MRI观察指标,具体包括:深度、病灶最大径、FS-T1WI、FS-T1WI+C及FS-T2WI信号强度的不均一性、边缘清晰度、包膜、尾征、分隔、瘤周水肿、瘤周强化、侵袭性、反靶征及晕征等所有MRI表现,由两名骨肌系统影像诊断医师（分别具有7年、8年骨肌影像诊断经验）采用双盲法进行独立分析,达成一致性意见,做出诊断结果,将其诊断结果与最终病理诊断比较。当两位医师评估结果不一致,由一位具有13年骨肌系统MRI诊断经验的影像科医师参与讨论,得出一致结果。四、影像—病理对照将术后获取的病理结果与MR图像进行对照并由病理科医师进行组织学诊断:（1）体表标记;（2）MRI检查;（3）术中定位;（4）病理取材。五、影像组学评分的构建（一）各病灶MR图像勾画及影像组学特征的提取使用ITK-SNAP 3.8.0软件对85例患者的MR图像进行手动逐层感兴趣勾画,得到涵盖肿瘤的所有区域的容积感兴趣区（Volume of Interest,VOI）。将所得VOI数据上传至影像组学云平台进行特征值提取。（二）影像组学特征值的选择及影像组学评分的构建对85例患者基于三个MRI序列所提取的组学特征进行选择,首先使用单因素回归分析排除P＜0.05的特征。其次,使用最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator,LASSO）算法对特征进行降维,选择最佳特征,计算系数,得到最相关的特征。影像组学评分（Radiomics scores,Rad-scores）是经LASSO算法所得最优特征值乘以相应的系数,加正则化项所得。分别构建基于FS-T1WI（Rad-score1）、FS-T2WI（Rad-score2）、FS-T1WI+C（Rad-score3）的影像组学评分。六、列线图的构建经单因素分析对患者的临床信息、常规MRI征象及组学评分进行分析后,将存在统计学差异（P＜0.05）的变量纳入多因素logistic回归分析,筛选出鉴别STS与NF的独立预测因素,用于构建列线图。七、统计学方法SPSS 22.0和R软件用于统计学分析。对连续性变量行正态性检验,符合正态性检验的变量使用独立样本t检验,不符合正态检验使用Mann-Whitney U检验。分类变量使用χ~2检验或Fisher精确检验。影像科医师、影像组学评分及列线图的诊断效能采用ROC曲线进行分析,并计算曲线下面积（Area Under the Curve,AUC）用于评估影像科医师、影像组学评分及列线图的诊断性能。结果:一、基于常规MRI表现鉴别STS与NF的诊断效能85例患者的常规MRI征象经统计分析显示,肿瘤位置、大小、FS-T2WI信号不均匀性、FS-T1WI+C信号不均匀性、FS-T1WI+C边界清晰度及分隔在STS和NF之间差异有显著性（P＜0.05）。经影像—病理对照研究发现,STS肿瘤内分隔影其病理基础为胶原纤维。两位影像科医师（A、B）诊断效能的AUC分别为0.586、0.660,灵敏度0.655、0.691,特异度为0.481、0.380。二、影像组学评分鉴别STS与NF的诊断效能从85例患者的三个MRI序列中各获得1409个特征,经单因素回归分析及LASSO算法进行特征值降维后,分别获得4、12、10个鉴别STS与NF最优特征。基于FS-T1WI、FS-T2WI、FS-T1WI+C和联合MRI的影像组学评分鉴别STS与NF的AUC分别为0.744、0.862、0.769及0.927。三、综合常规MRI征象、临床信息及影像组学评分列线图鉴别STS与NF的诊断效能将鉴别STS与NF的独立预测因素:肿瘤的位置、大小、FS-T2WI信号不均匀性、FS-T1WI+C信号不均匀性、FS-T1WI+C边界清晰度、分隔和影像组学评分用于构建列线图,其鉴别STS与NF诊断效能的AUC（95%可信区间）为0.949（95%CI,0.878-1.000）。ROC和校准曲线显示列线图模型具有良好的诊断效能和校准度。结论:一、肿瘤的位置、大小、FS-T2WI信号不均匀性、FS-T1WI+C信号不均匀性、FS-T1WI+C边界清晰度、分隔及基于常规MRI建立的影像组学评分是鉴别STS与NF的独立预测因素。二、结合患者常规MRI征象、临床信息及影像组学评分建立的列线图对鉴别STS与NF具有良好的鉴别诊断效能,是一种实用性较高、准确的辅助诊断手段。