钆塞酸二钠增强MRI列线图模型在预测肝细胞肝癌Ki-67表达中的应用价值

来源 :中华放射学杂志 | 被引量 : 0次 | 上传用户:samhsa
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的

探讨钆塞酸二钠增强MRI列线图模型在术前预测肝细胞肝癌Ki-67表达中的应用价值。

方法

回顾性收集2016年9月至2019年8月于苏州大学附属第一医院行钆塞酸二钠增强MRI检查并经手术病理证实为肝细胞肝癌的85例患者的资料。根据术后免疫组化Ki-67指数将85例患者分为Ki-67低表达组(Ki-67指数≤10%,20例)和Ki-67高表达组(Ki-67指数>10%,65例)。两组的临床资料(肝炎、肝硬化等)及影像学定性参数(肿瘤边缘、假包膜等)比较采用χ²检验,影像学定量参数[动脉期病灶-正常肝实质信号比(LNR-AP)、门静脉期病灶-正常肝实质信号比(LNR-PP)、平衡期病灶-正常肝实质信号比(LNR-EP)、肝胆期病灶-正常肝实质信号比(LNR-HBP)]的比较采用独立样本t检验,将上述有统计学意义的参数纳入多因素logistic回归,获得肝细胞肝癌Ki-67高表达的独立预测指标,并建立预测肝细胞肝癌Ki-67表达的列线图模型。

结果

甲胎蛋白(AFP)、肿瘤边缘光滑度、动脉期环形强化例数在Ki-67低、高表达组中差异有统计学意义(χ²值分别为8.196、10.538、4.717,P均<0.05),组间LNR-AP、LNR-PP、LNR-EP、LNR-HBP的差异有统计学意义(t值分别为2.929、2.773、2.890、3.437,P均<0.05)。多因素logistic回归结果显示,AFP≥20 μg/L、肿瘤边缘不光滑、低LNR-HBP是Ki-67高表达的独立预测指标(优势比分别为4.090、3.509、0.042,P均<0.05)。成功建立术前预测肝细胞肝癌Ki-67表达的钆塞酸二钠增强MRI列线图模型,其受试者操作特征曲线下面积为0.837,校准预测曲线与标准曲线贴合尚可。

结论

钆塞酸二钠增强MRI列线图模型在术前预测Ki-67表达有较高的应用价值,为肝细胞肝癌患者Ki-67表达提供了一种个体化预测方法。

其他文献
期刊
期刊
期刊
期刊
对钒铁车间进行了卫生学调查,包括空气中钒的测定。对260名工人进行了内科、皮肤科、耳鼻喉科及眼科检查,并拍摄了X线胸大片,证明钒主要对上呼吸道(鼻、咽喉、支气管)、皮肤和眼有刺激作用,少数也可产生支气管哮喘和皮肤过敏反应。对20例工龄超过20年的钒作业工人进行了血胆固醇和甘油三酸酯定量检查。结果证实我作业工人血甘油三酸酯含量低于对照组,其差异有显著性。结合冠心病、高血压发病率低以及脑血流图检查结果
期刊
双相障碍患者较普通人群更多出现躯体共病,可能影响其病情严重性、治愈率、生活质量和死亡风险。本文从双相障碍与躯体疾病的关系、共病临床特征和共病治疗策略3个方面进行综述。
胎儿MRI是产前影像检查方法之一,也是出生缺陷二级防控的重要手段之一。中华医学会放射学分会儿科学组、中华医学会儿科学分会放射学组专家经过反复讨论,以翔实的文献为依据,结合临床应用经验,并根据我国实际情况制定本共识,从胎儿MRI检查时机、安全性、适应证、扫描技术及诊断报告、技术培训及管理等方面进行规范,为胎儿的治疗、分娩方式的选择以及医患沟通提供相关信息。
人工智能技术为肝脏疾病医学影像研究提供了新契机。为促进肝脏人工智能科学研究的发展,提高肝脏疾病精准诊疗能力,中华医学会放射学分会医学影像大数据与人工智能工作委员会、腹部学组和磁共振学组联合对肝脏局灶性病变的标注提出初步指导意见,用于肝脏局灶性病变人工智能算法和产品的建立与验证。本共识从肝脏局灶性病变的分类、标注类型、标注原则等各个方面阐述专家组所达成的一致意见,旨在提高肝脏数据标注的质量,促进肝脏
目的探讨不同来源及不同组织学分级的头颈部黏液表皮样癌(MEC)CT特征的差异。方法回顾性收集2009年1月至2019年5月昆明医科大学第一附属医院手术病理证实为MEC的53例患者的临床及CT影像资料。根据来源不同分为大涎腺组(23例)和小涎腺组(30例),按照组织学分级分为高分化(19例)、中分化(28例)及低分化(6例)组,采用独立样本t检验、χ²检验、Fisher确切概率法或秩和检验对比分析不
目的探讨能谱CT影像组学特征在鉴别肺癌结节与炎性结节中的价值。方法回顾性分析在苏州大学附属第一医院接受肺部能谱CT扫描的96例肺癌结节和45例炎性结节患者的资料。按照2∶1的比例随机分配为训练组(肺癌结节64例,炎性结节30例)和验证组(肺癌结节32例,炎性结节15例)。利用MaZda软件对训练组动脉期和静脉期70 keV单能量图像进行影像组学特征提取。采用费希尔参数法(Fisher)、分类错误率