论文部分内容阅读
目的 探讨基于HR-T2WI（High Resolution T2WI,HR-T2WI）的纹理分析（Texture Analysis,TA）预测直肠癌新辅助化疗（Neoadjuvant Chemotherapy,NAT）疗效的价值。方法 回顾性分析了广西医科大学附属肿瘤医院2018.1-2020.12接受NAT后行根治性手术切除的直肠癌患者87例,并且在NAT前行常规MRI检查。以肿瘤退缩分级（Pathological Tumor Retraction Grade,TRG）为术后病理评估标准,把患者分为敏感组（TRG0-2）及不敏感组（TRG3）。收集2组直肠癌患者的临床特征、MRI形态学特征及HR-T2WI图像的纹理特征。纹理特征主要使用Ma Zda4.6软件基于直肠癌的HR-T2WI图像（瘤灶实性成分最大的层面）进行分析获取,共279个。对所有的纹理特征以4种运算方法[交互信息（Mutual Information,MI）、Fisher精确系数（Fisher Coefficient,Fisher）、分类错误概率联合平均相关系数（Classification Error Probability Combined Average Correlation Coefficients,POE+ACC）及三种运算方法联合（Combination of Three Operation Methods,CTM）]进行降维、提取,分别获得4组纹理特征;进一步通过B11软件初步分析4组特征的错判率,以获得最小错判率的组合为最优组。对临床特征、MRI形态学特征及纹理特征采用单因素分析筛选出差异有统计学意义的特征,进一步对筛选出的特征用logistic多因素分析,获得直肠癌NAT疗效的独立影响因素,并构建预测模型。对预测模型绘制受试者操作特征曲线（Reciver-Operating Characteristic Curve,ROC）,以曲线下面积（Area Under Curve,AUC）来表示预测直肠癌NAT疗效的效能。用Hosmer-Lemeshow检验评价预测模型的拟合优度。采用Medcalc 18.2软件中的以De Long法比较模型间AUC的差异。结果1.本研究入组87例直肠癌患者,敏感组47例（TRG 0:3例,TRG 1:12例,TRG2:32例）,不敏感组40例（TRG3:40例）。男性59例,女性28例。2.对4组纹理特征进行错判率分析,结果示错判率范围在8.05%～49.43%,联合三种运算方法提取的纹理特征错判率最低（8.05%）。3.对临床特征、MRI形态学特征及纹理特征进行单因素分析显示:临床特征[肿瘤的形状、癌胚抗原（Carcino Embryonic Antigen、CEA）、治疗周期、化疗后与手术间隔时间（周）],MRI形态学特征[环周切缘（Mesorectal Fascia Involvement,MRF）、N分期、肿瘤厚度]及纹理特征[Skewness、S（1,0）Contrast、S（0,4）Dif Entrp、S（0,2）Entropy]等11个因素在敏感组及不敏感组间差异有统计学意义（P＜0.05）。4.分别对单因素分析有统计学意义的特征,根据来源不同,分别进logis tic多因素分析,建立以下7个模型:模型1（临床特征）、模型2（MRI形态学特征）、模型3（纹理特征）、模型4（临床+MRI形态学特征）、模型5（临床特征+纹理特征）、模型6（MRI形态学特征+纹理特征）、模型7（临床特征+MRI形态学特征+纹理特征）分别预测直肠癌患者对NAT疗效的AUC分别为0.780（95%CI:0.678～0.862）、0.758（95%CI:0.655～0.84）、0.840（95%C I:0.746～0.910）、0.830（95%CI:0.734～0.902）、0.907（95%CI:0.825～0.959）、0.887（95%CI:0.801～0.945）、0.924（95%CI:0.847～0.970）,其中以模型7预测新辅助化疗疗效的效能最佳,但与模型5、6的差异无统计学意义（P=0.235、0.089）。5.对模型5、6、7进行Hosmer?Lemeshow检验,结果表明模型5、7拟合度好,无偏离拟合（模型5:Χ~2=1.944,P=0.983;模型7:Χ~2=8.003,P=0.433）,而模型6拟合度较差,存在偏离拟合（Χ~2=20.362,P=0.009）结论 在单独模型中,治疗前的临床特征、MRI形态学特征及T2WI纹理特征模型在预测直肠癌NAT疗效上均表现出较好的预测效能,其中以T2WI纹理特征模型预测效能最佳。相较于单独模型,由不同类型特征构成的联合模型在预测直肠癌NAT疗效方面诊断效能较高,其中以结合了临床特征及HR-T2WI纹理特征的联合模型临床实用性更高。这种基于临床特征及HR-T2WI纹理特征的联合模型有望成为在疗前筛选出对NAT不敏感患者的有效方法,为精准治疗提供实际依据。