基于DCE-MRI及临床特征预测结直肠癌微卫星不稳定性的研究

目的:探讨基于动态对比增强磁共振成像(DCE-MRI)联合临床特征构建的列线图模型在术前预测结直肠癌微卫星不稳定性(MSI)的价值。方法:回顾性收集甘肃省人民医院经病理证实为结直肠癌患者的临床资料和磁共振图像。选取小视野高分辨率T2加权成像(sFOVHR-T2WI)、DCE-MRI峰值期和T1加权延迟成像(T1-DELAY)勾画肿瘤最大层面及上下两层作为感兴趣区(ROI)提取影像组学特征并进行降维筛选,之后分别构建影像组学单序列及多序列联合模型并计算影像组学评分(Radscore)。后处理工作站中勾画肿瘤最大层面测量灌注参数速率常数(K)、转运常数(Kurans)及容积分数(V),获取频数表并计算直方图特征,特征降维筛选后计算灌注参数评分(Dcescore)。单因素及多因素逻辑回归筛选MSI的临床独立预测因素,联合Radscore和Dcescore构建列线图模型预测结直肠癌微卫星状态。采用受试者工作特征(ROC)曲线、校准曲线和决策曲线评估各模型效能及临床价值。结果:单序列中基于DCE-MRI峰值期图像的模型效能最佳,训练集和验证集ROC曲线下面积(AUC)分别为0.913和0.900;多序列联合模型效能优于任何单序模型,训练集和验证集的AUC分别为0.968和0.962;列线图模型具有更高的诊断效能,训练集和验证集的AUC分别为0.985和0.982。结论:基于DCE-MRI和临床特征构建的列线图模型可以在术前有效地预测结直肠癌患者MSI状态,有可能为结直肠癌的治疗选择及预后评估提供一种无创的评估方法。

基于增强CT影像组学及基因组学模型预测卵巢浆液性囊腺癌预后

目的探讨基于治疗增强前动脉期CT构建的影像组学模型和影像-基因组学模型预测卵巢浆液性囊腺癌(OSC)患者预后的价值。方法回顾性收集2个中心及癌症影像档案馆(TCIA)共110例OSC增强动脉期CT图像,提取其影像组学特征,建立影像组学Cox回归预后预测模型;于癌症基因组图谱(TCGA)数据库获取399例OSC(TCGA-OV)转录组数据,以Pearson相关系数筛选与预测模型纳入特征相关的基因,进行关联基因富集分析。以Cox回归及蛋白质互作网络(PPI)对57例同时具有完整影像学及转录组学资料的OSC患者(TCGA-TCGA-OV)筛选连接度最高的预后枢纽基因,建立影像-基因组学模型。观察上述模型预测OSC预后的效能。结果基于5个OSC预后相关影像组学特征的建立影像组学模型在相应训练集和测试集的C指数(C-index)分别为0.782和0.735;纳入30个预后枢纽基因建立的影像-基因组学模型在相应训练集和测试集的C-index分别为0.673和0.659。以上述模型分层后,不同层次患者间生存率差异有统计学意义(P均<0.05)。与影像组学模型相关联的1135个mRNA基因涉及细胞黏附等生物学行为和PI3K-Akt、细胞外基质受体互作通路及1型糖尿病通路等信号通路。结论影像组学模型能较好地预测OSC预后;分析OSC mRNA生物信息学可为影像组学模型提供生物学可解释性。

增强CT检查预测肝细胞癌微血管侵犯的影像基因组学研究

目的构建基于术前增强CT检查的联合影像组学模型,预测肝细胞癌微血管侵犯(MVI)状态,对影像组学模型进行生物学解释.方法采用回顾性队列研究方法.收集癌症基因组图谱数据库建库至2023年1月纳入的424例肝细胞癌患者的mRNA数据,癌症图像档案馆数据库建库至2023年1月纳入的39例肝细胞癌患者和甘肃省人民医院2020年1月至2023年1月收治53例肝细胞癌患者的临床病理资料.92例肝细胞癌患者通过随机数字表法按7∶3分为训练集64例和测试集28例.分析动脉期及门静脉期CT检查图像及临床资料.使用3Dslicer软件(5.0.3版本)进行动脉期和门静脉期图像配准和三维感兴趣区勾画.使用开源软件FAE(0.5.5版本)对原始图像进行预处理并提取特征.通过最小绝对收缩和选择算子等方法筛选特征,构建影像组学模型并计算影像组学评分(R-score),通过Logistic回归整合临床参数、影像学特征及R-score构建列线图.通过加权基因共表达网络分析和相关性分析获取影像组学模型相关的基因模块并进行富集分析.观察指标:(1)不同MVI性质患者的临床特征比较.(2)MVI风险模型的建立.(3)MVI风险模型的评估.(4)基因模块聚类.(5)特征相关基因模块功能富集.正态分布的计量资料以(x)±s表示,组间比较采用独立样本t检验,偏态分布的计量资料以M(范围)表示,组间比较采用Mann-Whitney U检验,计数资料比较采用χ^(2)检验.采用组内和组间相关系数(ICC)评估影像组学特征提取的观察者间的一致性.ICC>0.75表示特征提取的一致性良好.单因素和多因素分析采用Logistic回归模型.绘制受试者工作特征曲线,以曲线下面积(AUC)、决策曲线、校准曲线评估模型的诊断效能及临床实用性.结果(1)不同MVI性质患者的临床特征比较.92例肝细胞癌患者中,MVI阳性47例,MVI阴性45例,两者肝炎、肿瘤长径、瘤周增强、瘤内动脉、假包膜及瘤周不光滑比较,差异均有统计学意义(χ^(2)=5.308,9.977,47.370,32.368,21.105,31.711,P<0.05).(2)MVI风险模型的建立.在动脉期及门静脉期的瘤内和瘤周分别提取了1781个特征,经过特征降维后,从动脉期及门静脉期中确定8个影像组学特征构建联合模型.多因素分析结果显示:瘤周增强、瘤内动脉、假包膜、瘤周不光滑及R-score是肝细胞癌患者MVI的独立危险因素[风险比=0.049,0.017,0.017,0.021,2.539,95%可信区间(CI)为0.005~0.446,0.001~0.435,0.001~0.518,0.001~0.473,1.220~3.283].纳入瘤周增强、瘤内动脉、假包膜、瘤周不光滑及R-score构建列线图模型.(3)MVI风险模型的评估.R-score在训练集和测试集中AUC分别为0.923(95%CI为0.887~0.944)和0.918(95%CI为0.894~0.945);联合R-score及影像学特征构建的列线图在训练集和测试集中AUC分别为0.973(95%CI为0.954~0.988)和0.962(95%CI为0.942~0.987).决策曲线显示:列线图的临床效益优于R-score.校准曲线显示:列线图和R-score预测状态与实际观察结果间一致性良好.(4)基因模块聚类.经加权基因共表达网络分析后获取8个基因模块.(5)特征相关基因模块功能富集.4个基因模块与影像组学特征显著相关.预测MVI的影像组学特征可能与细胞周期、中性粒细胞外陷阱形成及PPAR信号通路有关.结论基于术前增强CT检查的联合影像组学模型可以预测肝细胞癌MVI状态.通过获取影像组学特征相关的mRNA基因表达谱,为影像组学模型提供了生物学解释.