基于Bp-MRI影像组学预测前列腺病变良恶性的效能及风险评估

目的探讨基于双参数磁共振成像(biparameter magnetic resonance imaging,Bp-MRI)影像组学及临床信息对前列腺良恶性病变的诊断、鉴别及风险评估。材料与方法回顾性分析161例经病理学证实的前列腺疾病患者病例,按7∶3的比例随机、分层分为训练集和验证集。采用t检验/Wilcoxon秩和检验、最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法、Spearman相关分析和logistic回归模型对临床特征和影像组学特征进行分析,构建影像组学模型及联合模型。通过绘制受试者工作特征(receiver operating characteristic,ROC)曲线并计算曲线下面积(area under the curve,AUC),对模型的性能进行评价。然后,利用放射组学特征和临床特征构建联合列线图,并进行验证。结果影像.组学模型在训练集和验证集预测前列腺病变良恶性的AUC分别为0.946(95%CI:0.903~0.982)、0.902(95%CI:0.862~0.958);联合模型在两组间预测前列腺病变良恶性的AUC分别为0.965(95%CI:0.904~0.989)、0.924(95%CI:0.868~0.980)。结论基于Bp-MRI的联合模型对于前列腺癌具有较高的诊断效能。结合总前列腺特异性抗原(total prostate specific antigen,tPSA)、游离前列腺特异抗原(free prostate specific antigen,fPSA)/tPSA比值(f/t)和影像组学特征的联合列线图可能为前列腺疾病患者的风险预测和个体化治疗提供有效工具。

基于双参数磁共振影像组学模型评估前列腺癌风险分级的应用

目的探讨基于双参数磁共振成像影像组学特征构建支持向量机(SVM)及随机森林(RF)两种机器学习模型预测前列腺癌风险分级的诊断作用。方法回顾性纳入经病理确诊为前列腺癌患者119例,其中中低危组57例,高危组62例,入组患者均在术前2个月内行MRI检查。分别提取基于T_(2)WI、ADC序列的影像组学特征。将入组患者按7∶3比例随机分为训练组和测试组。根据筛选后的影像组学特征分别建立基于T_(2)WI、ADC、T_(2)WI+ADC的SVM模型及RF模型,用测试组对模型进行验模型验证,检验每一种模型的准确率、特异性、敏感性并绘制受试者操作特征曲线(ROC)。采用曲线下面积(AUC)评估影像组学模型对前列腺癌风险分级的预测效能。结果基于T_(2)WI序列建立的SVM模型、RF模型的AUC分别为0.797、0.713;基于ADC序列建立的SVM模型、RF模型的AUC分别为0.826、0.667;T_(2)WI+ADC序列建立SVM模型、RF模型的AUC分别0.871、0.724。联合双参数的模型预测效能优于单参数模型。结论本研究构建的基于双参数磁共振的SVM及RF模型在一定程度上能预测前列腺癌风险分级,其中T_(2)WI+ADC的SVM模型分类效果更佳,有潜力应用于临床以指导前列腺癌患者的个体化治疗。