论文部分内容阅读
目的:本研究旨在探讨用磁共振成像(Magnetic Resonance Imaging,MRI)影像组学方法预测HCC中MVI状态的价值,为临床术式选择提供参考。方法:回顾性分析2014年9月至2018年9月湖南省人民医院经手术病理证实的HCC患者196例,根据病理结果将其分为MVI(+)组(n=85)和MVI(-)组(n=111)。所有患者手术前均在我院行常规MRI平扫及动态对比增强MRI(dynamic contrast-enhanced MRI,DCE-MRI)检查。采用3D Slicer(简称Slicer)软件对DCE-MRI动脉晚期(Late arterial phase,LAP)原始图像上的HCC病灶进行影像组学特征提取。按4:1的比例将患者随机分成训练组(n=156)和验证组(n=40)。用组内相关系数(intraclass correlation coefficient,ICC)选择训练组中与MVI相关的影像组学特征,然后采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)降维选择最相关的影像组学特征,最后用Logistic回归(Binary Logistic)建立影像组学模型。在患者DCE-MRI中LAP原始图像上评估出肿瘤的主观影像特征同时通过查阅电子病历系统收集患者的年龄、性别、甲胎蛋白值(alpha-fetoprotein,AFP)、肝病病因(是否为乙型病毒性肝炎)、中性粒细胞淋巴细胞比值(Neutrophil to Lymphocyte Ratio,NLR)等临床资料,分别采用t检验、独立样本χ~2检验得到在MVI(+)组和MVI(-)组间差异有统计学意义的资料,用Logistic回归建立影像-临床模型(简称临床模型)。最后建立包含影像组学模型及临床模型中资料的融合诊断模型(简称融合模型)。用建立的三种模型分别预测训练组HCC中MVI的状态,然后对验证组进行内部验证。采用受试者工作特征曲线下面积(areas under the receiver operating characteristic curve,AUC)评价三种模型预测HCC中MVI状态的效能,使用Delong检验比较各模型之间效能差异是否具有统计学意义。结果:(1)影像组学模型由6个影像组学特征构成,具有一定预测HCC中MVI状态的效能(AUC:训练组0.717,验证组0.687;P<0.05)。(2)临床资料及主观影像特征中AFP、背景肝组织、非环形动脉期高强化、非周边廓清、晕状强化、出血情况在MVI(+)组与MVI(-)组间差异具有统计学意义(P<0.05),年龄、性别、肝病病因、NLR、肿瘤大小在MVI(+)组与MVI(-)组间差异不具有统计学意义(P≥0.05);临床模型具有一定预测HCC中MVI状态的效能(AUC:训练组0.742,验证组0.757;P<0.05)。(3)三种模型中,融合模型的预测效能最高(AUC;训练组0.817,验证组0.799:P<0.05)。结论:基于MRI图像建立的影像组学模型能在术前预测HCC中MVI的状态,其与临床模型具有同等的预测效能;并且三种模型中,融合模型的预测效能最高。这为临床使用非侵入性技术选择手术治疗方式提供了参考。