双参数与多参数MRI对前列腺特异性抗原灰区临床显著性前列腺癌诊断效能比较

目的探讨基于前列腺影像报告与数据系统2.1版(PI-RADS v2.1)的双参数MRI(bpMRI)与多参数MRI(mpMRI)对前列腺特异性抗原(PSA)灰区(PSA 4~10 ng/mL)临床显著性前列腺癌(csPCa)的诊断效能。方法回顾性纳入2家医疗中心接受前列腺活检术并完成MRI检查的PSA灰区病人270例(中心1,220例;中心2,50例),分析病人的临床及MRI影像资料。根据Gleason评分将病人分为csPCa组(177例)和非csPCa组(93例)。基于PI-RADS v2.1标准,根据bpMRI(T2WI、DWI)与mpMRI(T2WI、DWI和DCE-MRI)对每例病人的病灶进行评分。采用独立样本t检验、Mann-Whitney U检验、χ2检验比较2组病人的一般资料[年龄、PSA、前列腺体积(PV)、PSA密度(PSAD)]、bpMRI评分和mpMRI评分。以前列腺活检病理结果为标准,绘制受试者操作特征(ROC)曲线,计算其曲线下面积(AUC)、敏感度、特异度、准确度。采用DeLong检验比较2种评分方法对csPCa的诊断效能。采用McNemar检验比较2种评分方法的敏感度和特异度。采用Kappa检验分析2名医师评估bpMRI和mpMRI评分的一致性。结果相比非csPCa组,csPCa组的PV更小、PSAD更高(均P<0.05)。csPCa组中bpMRI与mpMRI评分为4-5分病人的占比更高(76.8%和85.3%),非csPCa组中1-3分病人的占比更高(78.5%和74.2%)。bpMRI与mpMRI评分诊断csPCa的AUC值差异无统计学意义(P>0.05)。bpMRI的敏感度低于mpMRI(76.8%和85.3%,P<0.05),而特异度高于mpMRI(78.5%和74.2%,P<0.05)。bpMRI和mpMRI评分的阅片者间一致性均较好(κ=0.68和κ=0.67)。结论基于PI-RADS v2.1,bpMRI评分与mpMRI评分对PSA灰区csPCa的诊断效能相近。

经直肠与经会阴途径前列腺穿刺对临床显著性和非显著性前列腺癌检出率的前瞻性随机对照试验

目的:探讨经直肠(TRUSB)途径与经会阴(TPB)途径前列腺穿刺对临床显著性前列腺癌(csPCa)和临床非显著性前列腺癌(insPCa)检出率的比较。方法:从2022年1月至2023年1月进行了一项前瞻性、随机的临床研究,纳入前列腺穿刺患者279例,其中TRUSB组135例,TPB组144例,比较两种穿刺途径对csPCa和insPCa的检出率。结果:TPB组前列腺癌(PCa)的检出率高于TRUSB组(37.50%vs 28.15%),差异有统计学意义(P=0.026)。TRUSB组检出6例(4.45%)insPCa和32例(23.70%)csPCa,TPB组检出10例(6.94%)insPCa和44例(30.56%)csPCa,两组对insPCa和csPCa检出率之间比较未见统计学差异(P>0.05)。不同年龄、PSA浓度和前列腺体积之间csPCa的检出率TRUSB组和TPB组无统计学差异(P>0.05)。TRUSB组和TPB组穿刺针数阳性率分别为(12.48±2.39)%和(16.44±2.86)%,差异未见统计学意义(P>0.05)。两组的尿潴留、尿道感染、血尿及直肠出血等并发症之间未见统计学差异(P均>0.05)。结论:TPB途径PCa的检出率高于TRUSB途径,但两种穿刺途径对csPCa和insPCa的检出率未见差异。

评估PI-RADS v2.1及多参数MRI衍生标志物用于移行带临床显著性前列腺癌检测价值的研究

目的评估基于前列腺成像报告和数据系统2.1版本(prostate imaging-reporting and data system version 2.1,PI-RADS v2.1)及多参数磁共振成像(multiparametric magnetic resonance imaging,mp-MRI)衍生标志物用于移行带临床显著性前列腺癌(clinically significant prostate cancer,csPCa)检测的价值。材料与方法回顾性分析2020年1月至2024年2月在我院行mp-MRI及病理活检的移形带前列腺疾病患者的临床及影像学资料。由具有8年前列腺成像经验的主治医生基于PI-RADS v2.1对MRI图像进行评估,并勾画病变轮廓,从而获得包括三维直径、相对病变体积(病变体积除以前列腺体积)、球形度、平整度及表面体积比等MRI特征。使用logistic分析,确定PI-RADS评分及多参数MRI衍生标志物与移行带csPCa检测的关系。结果纳入的403例患者中PI-RADS 1(n=25)、2(n=119)、3(n=130)、4(n=43)和5(n=86)类病变的csPCa检出率分别为0.00%、0.00%、3.85%、32.56%和70.93%。PI-RADS 3类、4类、5类的csPCa检出率差异具有统计学意义(P<0.001)。移行带csPCa的预测因子包括血清前列腺特异性抗原(prostate-specific antigen,PSA)[OR=1.05(95%CI:1.00~1.10);P=0.047]、PI-RADS[OR=8.92(95%CI:2.94~27.13);P<0.001]、最大二维直径[OR=0.84(95%CI:0.71~0.98);P=0.046]及网格体积[OR=1.00(95%CI:1.00~1.00);P=0.041]。结论血清PSA、PI-RADS评分、病灶直径及网格体积等是移行带csPCa的独立预测因子。

原发性胆汁性胆管炎患者临床显著性门静脉高压的危险因素分析和预测模型建立

背景:原发性胆汁性胆管炎(PBC)患者病程早期即可出现食管胃静脉曲张,防治静脉曲张破裂出血对于PBC患者的远期预后具有重要意义。目的:探讨PBC患者发生临床显著性门静脉高压(CSPH)的危险因素并构建预测模型。方法:回顾性收集2018年1月—2022年1月上海交通大学医学院附属仁济医院消化内科收治的PBC患者的临床资料,依据是否发生CSPH分为CSPH组和非CSPH组。采用多因素Logistic回归和Lasso回归筛选危险因素,构建CSPH发生风险预测模型,绘制列线图并进行内部验证。结果:458例PBC患者纳入研究,CSPH组140例,非CSPH组318例。多因素分析显示男性(OR=2.89)、抗着丝点抗体(ACA)阳性(OR=2.18)、抗gp210抗体阳性(OR=1.75)以及基线总胆红素(OR=1.01)、IgA(OR=1.27)升高,白蛋白(OR=0.91)、血小板计数(OR=0.98)降低是CSPH发生的独立危险因素。最终确定以上述7个变量建立预测模型并绘制列线图,ROC曲线分析(AUC=0.891)和自助法内部验证(C指数=0.891)显示该模型有较高的稳定性和预测效能。结论:本研究构建的CSPH发生风险预测模型对PBC患者的风险分层有一定参考价值。临床实践中宜对ACA阳性PBC患者进行密切随访,以避免食管胃静脉曲张破裂出血的发生。

心理治疗结果的临床显著性分析方法

心理治疗结果研究中,如何对结果测量数据进行统计分析,是非常重要的环节之一。研究者发现,不能简单使用统计显著性来考察心理治疗的结果,因而引入了临床显著性的概念以便更准确地从临床角度考察治疗的情况。在验证临床显著性改变中,西方学者提出了JT法、GLN法、EN法和HA法等统计分析方法,这些方法都试图更准确地分析临床显著性,但在心理治疗结果研究中,这些方法仍然存在概念明确性、标准和数据收集完善性等方面的问题。因此今后的研究应该关注方法的创新或修订,还是关注数据解释是目前西方关于临床显著性分析方法的两大争论。国内也应在心理治疗结果的研究中引入临床显著性分析方法,同时还应考虑效果评价指标的设立和有效测量工具编制的问题,为正确评价心理治疗结果服务,并最终为提高心理治疗效果服务。

心理治疗结果的临床显著性及其统计学评估方法

心理治疗结果的临床显著性及其统计学评估方法梁宝勇天津师范大学杜桂芝刘畅白求恩医科大学最近２０年间，关于心理治疗的临床显著性的讨论已占据了心理治疗结果研究的中心舞台，以致Ｇｏｌｄｆｒｉｅｄ、Ｇｒｅｅｎｂｅｒｇ和Ｍａｒｍａｒ（１９９０）等［１］将此视作心...

基于小视野扩散加权成像的影像组学模型对临床显著性前列腺癌的诊断价值

目的比较基于小视野扩散加权成像(zoomed imaging technique with parallel transmission diffusion weighted imaging,ZOOMit DWI)序列和基于分段读出平面回波(readout segmentation of long variable echo-trains,RESOLVE)DWI序列的影像组学模型对临床显著性前列腺癌(clinically significant prostate cancer,csPCa)的诊断价值。材料与方法回顾性收集168例行术前MRI检查并经病理证实的前列腺疾患资料,其中csPCa患者83例、非csPCa患者85例。按7∶3随机划分训练集(n=117)和测试集(n=51),采用皮尔逊相关系数(pearson correlation coefficient,PCC)分析、ANOVA(analysis of variance)检验筛选影像组学特征,使用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法并十折交叉验证进一步筛选特征,使用逻辑回归构建模型。构建基于单一参数的影像组学模型,包括ZOOMit DWI、ZOOMit表观扩散系数(apparent diffusion coefficient,ADC)、RESOLVE DWI和RESOLVE ADC,通过比较后选取诊断效能较优的DWI和ADC联合T2加权成像(T2-weighted imaging,T2WI)建立双参数MRI影像组学模型。通过受试者工作特征(receiver operating characteristic,ROC)曲线分析模型诊断效能,使用DeLong检验比较模型间曲线下面积(area under the curve,AUC)。结果在测试集中,ZOOMit DWI的AUC值高于RESOLVE DWI(0.917 vs.0.851,P=0.022),ZOOMit ADC的AUC值高于RESOLVE ADC(0.948 vs.0.871,P=0.052)。选取ZOOMit DWI和ZOOMit ADC联合T2WI建立双参数MRI影像组学模型,模型在测试集中的AUC值为0.937,明显优于前列腺特异性抗原(prostate specific antigen,PSA)(0.792,P=0.012)。结论基于ZOOMit DWI序列的影像组学模型对csPCa的诊断效能优于基于RESOLVE DWI序列的影像组学模型,联合ZOOMit DWI序列和T2WI序列的双参数MRI影像组学模型对csPCa有较好的诊断价值。

基于病变内部及周围MRI影像组学特征预测临床显著性前列腺癌

目的探究基于病变内部及病变周围MRI影像组学模型预测临床显著性前列腺癌的价值。材料与方法140例(训练集112例,测试集28例)进行过前列腺磁共振扫描的患者纳入研究。手动勾画T2加权成像(T2 weighted imaging,T2WI)、ADC图像病变内部区域(intralesional volume,ILV)及病变周围区域(perilesional volume)并分别提取影像组学特征,构建最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)回归预测模型。运用ROC曲线分析、临床决策曲线分析对模型进行评估。结果训练集的AUC、准确率分别为:0.93(95%置信区间:0.88~0.98,特异度:0.87,敏感度:0.89)、0.84(95%置信区间:0.76~0.90)。测试集的AUC、准确率分别为0.92(95%置信区间:0.81~1.00,特异度:0.95,敏感度:0.68)、0.89(95%置信区间:0.72~0.98)。临床决策曲线分析中诊断阈值位于0.01~0.83或0.87~0.98时,运用预测模型患者具有良好的净受益。结论基于病变内部及病变周围MRI影像组学特征对于临床显著性前列腺癌的预测具有应用价值。

临床显著性门静脉高压无创预测

临床显著性门静脉高压(CSPH)患者并发症风险显著增加,尤其是静脉曲张出血发生,可能导致致命性危险。因此,应科学监测肝硬化代偿期患者门静脉压力,根据压力值制定合理的治疗方案。然而,肝静脉压力梯度检测目前无法在临床上广泛开展。近年来,国内外报道CSPH无创预测方式越来越多。现主要就血清学指标、超声、超声弹性成像、CT、MR和磁共振弹性成像等预测方式作一综述。

基于磁共振表观扩散系数图影像组学的机器学习模型对临床显著性前列腺癌的鉴别诊断价值

目的:探讨基于磁共振表观扩散系数图影像组学的机器学习模型对临床显著性前列腺癌的临床应用价值。方法:回顾性分析本院2017年10月至2022年12月经病理证实的182例前列腺癌磁共振检查资料,其中临床显著性前列腺癌(clinically significant prostate cancer,CsPCa)126例,非临床上显著性前列腺癌(clinically insignificant prostate cancer,CiPCa)56例;采用ITK-SNAP软件对磁共振ADC图进行感兴趣区分割,使用pyradiomics软件包,提取包括一阶特征(First Order)、形状特征(Shape)、灰度共生矩阵(GLCM)、灰度区域矩阵(GLSZM)、灰度游程矩阵(GLRLM)、灰度相依矩阵(GLDM)、邻域灰度差分矩阵(NGTDM)影像组学特征;采用一致性检验及最小绝对收缩与选择算子算法(LASSO)筛选出的最佳特征,按7∶3的比例随机分为训练组和验证组,构建逻辑回归(Logistic regression,LR)模型,采用受试者工作特征曲线下面积(area under the curve,AUC)验证其鉴别诊断价值。结果:从ADC图像中提取了1 835个影像组学特征,筛选出15个最佳特征构建逻辑回归机器学习模型。训练集和测试集的准确性分别为0.727、0.700;曲线下面积分别为0.768(95%可信区间:0.700~0.837)、0.719(95%可信区间:0.562~0.875);特异度分别为0.902、0.875;阳性预测值分别为0.683、0.636;阴性预测值分别为0.739、0.718;精确度分别为0.683、0.636。结论:前列腺癌磁共振表观扩散系数图影像组学的逻辑回归机器学习模型,对鉴别临床显著性前列腺癌提供潜在的有效信息。

病变周围区域与病变内部区域的MRI影像组学特征对临床显著性前列腺癌的诊断价值

目的比较前列腺病变周围区域(PLV)与病变内部区域(ILV)的MRI影像组学特征对临床显著性前列腺癌(csPCa)的诊断价值。方法回顾性分析140例进行过前列腺MRI检查的患者(训练集112例,测试集28例)。分别在T2加权成像(T2WI)、表观弥散系数(ADC)、动态对比增强磁共振成像(DCE-MRI)勾画可疑病变区域及病变周围区域,并提取影像组学特征,运用单变量分析及最小绝对值收敛和选择算子(LASSO)筛选特征,LASSO回归结合10折交叉验证建立预测模型,运用受试者操作特征曲线下面积(AUC)、德隆检验(Delong test)分别对模型进行评估及比较。结果ILV模型的在训练集及测试集中的AUC分别为0.91、0.91,PLV模型的在训练集及测试集中的AUC分别为0.89、0.87。两预测模型在训练集与测试集中的诊断效能差异均无统计学意义。结论前列腺病变周围区域的MRI影像组学特征对于csPCa的诊断价值低于病变内部区域的MRI影像组学特征的诊断价值。

PI-RADS v2.1联合前列腺特异性抗原相关参数诊断临床显著性前列腺癌的预测模型及内部验证

目的 探讨前列腺影像报告和数据系统(PI-RADS) v2.1联合前列腺特异性抗原(PSA)相关参数对临床显著性前列腺癌的诊断效能,并进行内部验证。方法 收集2016年1月至2021年4月北部战区总医院放射诊断科150例活检前接受前列腺磁共振检查且总前列腺特异抗原(tPSA)>4 ng/mL患者的临床资料。Gleason评分≥7分患者纳入临床显著性前列腺癌(csPCa)组(n=71),Gleason评分<7分及良性疾病(前列腺增生、前列腺炎)患者纳入非csPCa组(n=79)。从2组中按7∶3比例随机分配至建模组和验证组。采用t检验比较2组PI-RADS v2.1、tPSA、游离PSA/tPSA (f/tPSA),PSA密度(PSAD)的差异,将有统计学差异(P <0.05)指标作为自变量,建立PI-RADS v2.1与PSA相关参数的logistic预测模型:(1) PI-RADS v2.1+tPSA;(2) PI-RADS v2.1+t/f PSA;(3) PI-RADS v2.1+PSAD。将验证组数据代入模型方程,以预测概率(P)及PI-RADS v2.1绘制受试者操作特征(ROC)曲线,评估诊断效能。结果 PI-RADS v2.1与PSA相关参数建立预测模型:(1) Logit P=-7.313+1.62PI-RADS v2.1+0.088tPSA;(2) Logit P=-0.453+1.833PI-RADS v2.1-39.811f/tPSA;(3) Logit P=-12.031+1.917PI-RADS v2.1+29.206PSAD。模型(1)、(2)、(3)的预测概率(P)与PI-RADS v2.1的ROC曲线下面积分别为0.927、0.915、0.984和0.899;Z检验进行两两比较结果显示,模型(1)、(2)与PIRADS v2.1诊断csPCa比较差异无统计学意义(均P> 0.05);模型(3)与PI-RADS v2.1诊断csPCa的差异有统计学意义(P <0.05)。结论 PI-RADS v2.1与PSAD联合诊断的预测模型对csPCa的诊断效能高于PI-RADS v2.1单独诊断。

智能融合成像技术对中低风险前列腺特异性抗原人群的临床显著性前列腺癌诊断研究

目的:探讨核磁联合经直肠超声计算机软件融合成像引导前列腺靶向穿刺活检(software guided magnetic resonance imag⁃ing-ultrasound fusion targeted biopsies,MRUS-TB)在中低风险前列腺特异性抗原(prostate-specific antigen,PSA)患者中的临床应用价值。方法:回顾性分析2015年8月至2020年2月298例于天津医科大学肿瘤医院首次行前列腺靶向穿刺患者的临床资料,分为185例行MRUS-TB联合经直肠超声引导系统穿刺活检(trans rectal ultrasound-guided systematic biopsy,TRUS-SB)组(A组)和113例行核磁联合经直肠超声认知融合成像引导前列腺靶向穿刺活检(cognitive magnetic resonance imaging trans rectal ultrasound fusion targeted biopsy,COG-TB)联合TRUS-SB组(B组),对比分析MRUS-TB和COG-TB对血清PSA水平为4~20 ng/mL人群中前列腺癌(prostate cancer,PCa)检出率的影响。结果:A组与B组相比,PCa及临床显著性PCa(clinically significant prostate cancer,CSPCa)检出率差异均无统计学意义(均P>0.05);肿瘤穿刺组织有效样本长度及穿刺针数检出PCa的阳性比均具有统计学意义(均P<0.05);根据血清PSA表达水平和前列腺体积分层时,PCa及CSPCa检出率差异均具有统计学意义(均P<0.05);行MRI检查结节最大径≤5 mm的CSPCa检出率差异具有统计学意义(P=0.043)。结论:MRUS-TB可提高中低风险PSA及较小前列腺体积的患者中CSPCa的检出率,并可提高结节大小≤5 mm的CSPCa检出率。

二维剪切波弹性成像检测大鼠肝脾硬度评估临床显著性门静脉高压的比较

目的分析二维剪切波弹性成像(2D-SWE)检测脾、肝脏硬度评估临床显著性门静脉高压的价值。方法将50只雄性SD大鼠随机分为门脉高压组(PH组,n=25)和正常组(n=25)。PH组采用CCl4诱导法,正常组仅注射玉米油,于12周采用2D-SWE检测大鼠脾、肝脏硬度,运用门静脉主干直接穿刺法测量门静脉压力(PVP),观察脾、肝脏病理改变。分析脾硬度(SS)、肝脏硬度(LS)与PVP相关性,以PVP为金标准求得ROC曲线下面积。结果SS、LS与PVP均呈正相关关系,SS与PVP的相关性(r=0.797,P<0.001)强于LS与PVP(r=0.505,P<0.001)。以PVP≥10 mmHg作为金标准,2D-SWE检测SS、LS的ROC曲线下面积分别为0.875和0.673,SS优于LS(P<0.05)。结论2D-SWE测量SS评估临床显著性门静脉高压诊断效能优于LS。

前列腺癌风险计算器在双参数MRI诊断临床显著性前列腺癌中的价值

目的探讨前列腺癌(PCa)风险计算器在双参数MRI(BpMRI)诊断临床显著性前列腺癌(CsPCa)中的价值。方法回顾性分析2014年1月至2022年12月首都医科大学电力教学医院泌尿外科收治的114例前列腺疾病患者的临床、病理及多参数MRI(MpMRI)影像资料,两名放射科医师首先基于前列腺影像报告与数据系统(PI-RSAD)v2.1评分标准按照MpMRI及BpMRI评分方案对磁共振检查图像进行评分,之后基于简化版前列腺影像报告与数据系统(S-PI-RADS)评分标准的BpMRI方案进行评分。将3种方案的评分结果纳入风险计算器计算相应的概率作为另外3种诊断方案。绘制受试者工作特征性曲线(ROC)评估各个方案对CsPCa的诊断效能并统计诊断准确率,使用Z检验评估各方案之间的诊断效能是否有差异。结果在诊断CsPCa方面,基于S-PI-RADS评分标准的BpMRI评分得出的风险概率的诊断效能高于基于PI-RADS评分的BpMRI方案及相应得出的风险概率(Z=2.044,P=0.0410;Z=2.567,P=0.0103),同时基于S-PI-RADS评分标准的BpMRI评分得出的风险概率诊断CsPCa的诊断准确率有更进一步的提高。结论基于应用S-PI-RADS评分标准的BpMRI评分所得的风险计算器概率诊断CsPCa的诊断效能更高,且准确率更佳,是临床评估PCa更有价值的参考指标。

ADC值及eADC值在双参数MRI诊断临床显著性前列腺癌中的应用价值

目的:探究表观弥散系数(apparent diffusion coefficient,ADC)及指数化ADC(exponential ADC,eADC)在双参数磁共振成像(bi-parametric magnetic resonance imaging,bpMRI)诊断临床显著性前列腺癌中的应用价值。方法:回顾并分析2014年1月—2021年12月在首都医科大学电力教学医院就诊的101例临床怀疑为前列腺癌患者的临床、影像学及病理学资料。依据穿刺活检结果分为组1(临床显著性前列腺癌组)和组2(非临床显著性前列腺癌+非前列腺癌),由2名阅片者依据前列腺影像报告和数据系统(Prostate Imaging Reporting and Data System,PI-RADS)指南评分标准分别按照bpMRI诊断方案和多参数MRI(multi-parametric MRI,mpMRI)诊断方案进行评分(记为bpMRI评分和mpMRI评分),并且测量病灶最大层面的ADC值和eADC值,将bpMRI评分和mpMRI评分分别与ADC值及eADC值联合构建logistic回归模型,绘制受试者工作特征(receiver operating characteristic,ROC)曲线评价ADC值、eADC值、bpMRI诊断方案、mpMRI诊断方案以及两者分别联合ADC值及eADC值对临床显著性前列腺癌的诊断价值,运用Z检验对比各方案的曲线下面积(area under curve,AUC)有无差异。结果:109例可疑病灶中,组1病灶共计50例,组2病灶共计59例。ADC值、eADC值、bpMRI评分及mpMRI评分是诊断临床显著性前列腺癌的有效指标(P<0.001),ADC值及eADC值的AUC值分别为0.888和0.931,差异无统计学意义(Z=1.512,P=0.1306)。BpMRI评分分别联合ADC值及eADC值的AUC值分别为0.973、0.978,高于单独运用bpMRI评分的AUC值(AUC=0.954),差异有统计学意义(Z=2.391,P=0.0168;Z=2.125,P=0.0336)。mpMRI评分分别联合ADC值及eADC值的AUC值分别为0.985、0.985,高于单独运用mpMRI评分的AUC值(AUC=0.974),但差异无统计学意义(Z=1.295,P=0.1953;Z=1.354,P=0.1757)。结论:ADC值和eADC值都是诊断临床显著性前列腺癌有价值的MRI定量指标,两者联合bpMRI评分可以显著地提高bpMRI的诊断效能与临床应用价值。

临床显著性前列腺癌的影像临床组学诊断模型的建立与时间验证

目的通过时间验证评价基于多参数磁共振成像(mp-MRI)、纹理分析与临床资料所建立的复合机器学习模型对临床显著性前列腺癌(csPCa)的诊断效能和稳定性。方法回顾性分析246例前列腺mp-MRI的患者资料,将mp-MRI相关特征(包括PI-RADS V2.1评分、动态增强定量参数)、纹理分析和部分临床参数进行组合,进行降维和特征选择,建立SVM和Logistic模型,并进行内部验证和时间验证,分别运用受试者工作特征曲线、决策曲线分析(DCA)比较两模型的诊断效能及临床获益。结果优选出的关键参数有:T_(2).Quantile10、T_(2).Quantile95、ADC.MinIntensity、ADC.Uniformity、ADC.Quantile75、ImageStd、VeStd、Ve0.1、Vp0.75、TTPMax、DWI(PI-RADS)、PIRADS、age、tPSA,Logistic模型中T_(2).Quantile95为csPCa独立预测参数(P<0.05)。SVM和Logistic模型对内部验证组进行分类的曲线下面积(AUC)分别为0.96、0.88,对时间验证组进行分类的AUC分别为0.80和0.77,两种模型的AUC之间的差异无统计学意义(P>0.05);内部验证组与时间验证组两模型的AUC之间的差异有统计学意义(P<0.05)。DCA表明:概率阈值为0.12~0.49时,Logistic模型净获益高于SVM模型;概率阈值为0.50~0.95时,SVM模型净获益高于Logistic模型。结论14个关键参数中T_(2).Quantile95为独立预测参数,基于这些参数建立的Logistic与SVM模型对csPCa都能取得较好的诊断效能,两模型的稳定性较好,概率阈值<0.5时,Logistic模型的净获益较大,概率阈值>0.5时,SVM模型的净获益较大。

基于双参数MRI机器学习模型对前列腺癌和临床显著性前列腺癌的诊断价值

目的探讨基于双参数MRI机器学习模型对前列腺癌和临床显著性前列腺癌(csPCa)的诊断价值。方法回顾性收集2015年5月至2020年12月江苏省内3个医疗中心共1368例行术前MRI且经病理证实的前列腺疾病患者的影像资料,其中csPCa 412例,无显著临床意义的前列腺癌(ciPCa)242例,良性前列腺病变714例,年龄30~92(69.4±8.2)岁。采用Python内嵌random工具包将中心一和中心二数据按照7∶3比例进行无放回随机数法采样划分为训练组和内部测试组,中心三数据设为独立外部测试组,其中训练组包括243例csPCa、135例ciPCa和384例良性病变,内部测试组包括104例csPCa、58例ciPCa和165例良性病变,外部测试组包括65例csPCa、49例ciPCa和165例良性病变。分别提取T 2加权成像、弥散加权成像和表观扩散系数图的影像组学特征,采用Pearson相关系数分析、方差分析筛选影像组学特征,分别使用随机森林(RF)和支持向量机两种算法构建机器学习模型,并在内部测试组和外部测试组对模型进行测试。最后,选取诊断效能较高的机器学习模型辅助调整医师前列腺影像报告和数据系统(PI-RADS)评分,命名为调整后PI-RADS。通过受试者工作特征(ROC)曲线评估机器学习模型和PI-RADS的诊断效能,使用Delong检验比较机器学习模型和PI-RADS的ROC曲线下面积(AUC)。结果在诊断前列腺癌时,基于RF算法的机器学习模型和医师PI-RADS评分的AUC在内部测试组中分别为0.869(95%CI:0.830~0.908)和0.874(95%CI:0.836~0.913),两者差异无统计学意义(P=0.793);在外部测试组中分别为0.845(95%CI:0.794~0.897)和0.915(95%CI:0.880~0.951),两者差异有统计学意义(P=0.01)。在诊断csPCa时,基于RF算法的机器学习模型和医师PI-RADS评分的AUC在内部测试组中分别为0.874(95%CI:0.834~0.914)和0.892(95%CI:0.857~0.927),两者差异无统计学意义(P=0.341);在外部测试组中分别为0.876(95%CI:0.831~0.920)和0.884(95%CI:0.841~0.926),两者差异无统计学意义(P=0.704)。医师PI-RADS评分经过机器学习模型辅助诊断后,诊断前列腺癌时,内部测试组特异度从63.0%提升到80.0%,外部测试组特异度从92.7%提升到93.3%;诊断csPCa时,内部测试组特异度从52.5%提升到72.6%,外部测试组特异度从75.2%提升到79.9%。结论基于双参数MRI机器学习模型对前列腺癌和csPCa诊断水平达到高年资放射科医师诊断水平并具有良好的泛化性;经过机器学习模型辅助诊断后PI-RADS评分特异度有所提升。

基于^(68)Ga-PSMA-11 PET/CT和mpMRI构建临床模型预测前列腺单独靶向穿刺的准确性

目的基于^(68)Ga-前列腺特异性膜抗原(PSMA)-11正电子发射断层扫描/计算机断层扫描(PET/CT)和多参数核磁共振(mpMRI)构建临床预测模型,帮助临床实现对需行前列腺穿刺的可疑临床显著性前列腺癌(csPCa)患者进行合理分层以避免不必要的系统穿刺。方法回顾性收集南京大学医学院附属鼓楼医院2020年1月-2023年2月在前列腺靶向穿刺联合系统穿刺前接受了^(68)Ga-PSMA-11 PET/CT和mpMRI扫描的96例可疑csPCa患者,纳入^(68)Ga-PSMA-11 PET/CT中的最大标准摄取值(SUVmax)和mpMRI中的最小表观扩散系数(ADCmin)以及其他临床参数,通过单因素和多因素logistic回归分析,确定单独靶向穿刺有效诊断的独立预测因子,并根据这些参数构建临床预测模型。结果多因素logistic回归分析显示SUVmax(OR=0.878,95%CI:0.804~0.959,P=0.004)和ADCmin(OR=1.005,95%CI:1.001~1.010,P=0.027)是单独靶向穿刺有效诊断的独立预测因子。以SUVmax和ADCmin构建的临床预测模型的灵敏度、特异度、准确性及受试者工作特征曲线下面积(AUC)值分别为0.80、0.80、0.83、0.84。结论基于^(68)Ga-PSMA-11 PET/CT和mpMRI参数构建的临床预测模型有助于提高单独靶向穿刺的有效诊断,根据该模型对可疑csPCa患者进行合理分层,安全避免系统穿刺,有效平衡获益和风险。

基于前列腺病变周围区域的MRI影像组学特征对临床显著性前列腺癌的诊断价值

目的探究前列腺病变周围区域的MRI影像组学特征对诊断临床显著性前列腺癌(csPCa)的价值。方法回顾性分析132例(训练集99例、测试集33例)进行过前列腺MRI扫描且前列腺内病变类型经病理确诊患者的T2WI、表观扩散系数(ADC)、动态增强磁共振成像(DCE-MRI)的图像。运用3D slicer软件勾画病变周围5 mm感兴趣区(ROI)并提取影像组学特征,通过单变量分析、组内相关系数(ICC)、最小绝对值收敛和选择算子(LASSO)降维并运用LASSO建立预测模型,通过受试者工作特征(ROC)曲线评价模型诊断效能。运用测试集患者数据对模型进行验证。结果测试集中ROC曲线的曲线下面积(AUC)为0.861(95%置信区间:0.7361~0.9861),特异度及敏感度分别为1.0、0.667。结论基于前列腺病变周围区域的MRI影像组学特征对于诊断csPCa具有应用价值。