基于MRI征象及影像组学的列线图预测腮腺良性与恶性肿瘤的价值

摘要：

目的:建立并验证基于MRI征象和影像组学的列线图鉴别腮腺良性与恶性肿瘤的效能。方法:回顾性收集2015年1月至2020年5月青岛大学附属医院86例经手术病理证实的腮腺肿瘤患者为训练集，收集2013年1月至2020年1月香港大学深圳医院35例患者为独立外部验证集。采用logistic回归基于临床及MRI征象建立临床诊断模型。基于术前平扫T
1WI和预饱和脂肪抑制T
2WI（fs-T
2WI）进行影像组学特征提取，建立影像组学诊断模型。基于影像组学评分及临床诊断模型，通过logistic回归建立影像组学+临床联合诊断模型及列线图。采用受试者操作特征（ROC）曲线评价各模型诊断腮腺良性与恶性肿瘤的效能，ROC曲线下面积（AUC）的比较采用DeLong检验。
结果:Logistic回归结果显示，腮腺深叶受累（OR值为3.285，
P=0.040）和周围组织结构侵犯（OR值为15.919，
P=0.013）是腮腺恶性肿瘤的独立影响因素，将二者构建临床诊断模型。基于平扫T
1WI和fs-T
2WI，共提取19个特征构建影像组学诊断模型。联合影像组学评分以及腮腺深叶受累、周围组织结构侵犯2个常规影像学特征建立联合诊断模型及列线图。临床诊断模型、影像组学诊断模型、联合诊断模型在训练集和验证集中诊断腮腺良性与恶性肿瘤的AUC分别为0.758、0.951、0.953和0.752、0.941、0.964。在训练集和验证集中，影像组学诊断模型、联合诊断模型的AUC均高于临床诊断模型（训练集：
Z=3.95、4.31，
P均<0.001；验证集：
Z=2.16、2.67，
P=0.031、0.008），影像组学诊断模型、联合诊断模型间AUC差异无统计学意义（训练集：
Z=0.39，
P=0.697；验证集：
Z=1.10，
P=0.273）。
结论:本研究所建立的MRI影像组学模型以及由腮腺深叶受累、周围组织结构侵犯、MRI影像组学特征组成的联合诊断模型，能有效鉴别腮腺良恶性肿瘤，具有较高的预测效能。

关键词：腮腺肿瘤、磁共振成像、影像组学

所属期刊栏目：56

资助基金：国家自然科学基金82172035;山东省自然科学基金ZR2020MH286;National Natural Science Foundation of China82172035;Natural Science Foundation of Shandong ProvinceZR2020MH286

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：149-155