基于MRI影像组学诺模图术前预测子宫浆液性癌

摘要：

目的 探讨 MRI影像组学联合临床、影像特征术前预测子宫浆液性癌(USC)的价值.方法 回顾性分析 266 例子宫内膜癌(EC)患者的临床影像资料,根据术后病理结果分为USC组和子宫内膜样腺癌(EAC)组,按照 7︰3 的比例随机分为训练集(n=186)和验证集(n=80),对训练集 2 组患者的临床病理信息和 MRI影像学特征进行单因素分析,筛选有差异的特征.2D逐层勾画训练集患者的矢状面T2WI、T1WI增强和重建表观扩散系数(ADC)序列的病灶,并进行 3D 融合.运用 PyRadiomics 提取影像组学特征,经最小绝对收缩和选择算子(LASSO)降维及 Spearman系数筛选后,构建 4 种影像组学模型,选择最优模型联合影像、临床特征构建综合模型,绘制诺模图,并对模型进行评价.结果 训练集中,2 组患者间 MRI报告的矢状位短径、长短径比值,临床病理数据的患者年龄、Ki-67 指数和影像报告远处转移有统计学差异.4 个影像组学模型中,梯度提升模型效能最佳,训练集和验证集的受试者工作特征(ROC)曲线分析曲线下面积(AUC)分别为 0.900[95％置信区间(CI)0.818～0.981]、0.833(95％CI 0.630～1.000),综合模型的 AUC分别为 0.934(95％CI 0.883～0.984)、0.892(95％CI 0.741～1.000).结论 基于 MRI影像组学联合临床、影像特征的综合预测模型区分度高且较稳定,有望成为术前无创诊断 USC的有效方法.

关键词：子宫浆液性癌、影像组学、磁共振成像

所属期刊栏目：39

分类号：R737.33;R445.2(肿瘤学)

在线出版日期：2023-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：773-776,808