治疗前多参数MRI影像组学特征预测晚期宫颈鳞癌患者新辅助化疗后淋巴结转移

目的基于治疗前多参数磁共振成像(multi-parametric magnetic resonance imaging,mpMRI)影像组学特征,结合临床变量构建模型,预测局部晚期宫颈鳞癌(locally advanced cervical squamous cell carcinoma,LACSCC)患者新辅助化疗(neoadjuvant chemotherapy,NACT)后淋巴结转移状况。材料与方法回顾性分析两个中心2013年1月至2022年2月的265例接受NACT并行根治性子宫切除术的LACSCC患者病例及影像,中心1的数据用于模型训练,中心2的数据用于模型验证。所有患者NACT治疗前行盆腔MRI检查。于矢状位T2加权成像(sagittal T2-weighted imaging,Sag_T2WI)、轴位弥散加权成像(axial diffusion-weighted imaging,Ax_DWI)和延迟期矢状位对比增强T1加权成像(sagittal T1-weighted contrast-enhanced imaging,Sag_T1C)勾画肿瘤感兴趣区(region of interest,ROI)并提取影像组学特征。通过K最佳(K-Best)及最小绝对值收缩与选择算法(least absolute shrinkage and selection operator,LASSO)降维并筛选出与淋巴结转移强相关影像组学特征。基于每个序列筛选后的组学特征构建三个单序列模型,在所有特征间作相关性分析,排除高度相关的组学特征,并对临床变量进行多变量回归分析,融合临床变量及筛选后的影像组学特征构建临床-影像组学的组合模型,比较模型间性能差异。利用受试者工作特征(receiver operating characteristic,ROC)曲线及决策曲线(decision curve analysis,DCA)评估模型的诊断性能及临床效能。结果Sag_T2WI、Ax_DWI、Sag_T1C三个序列分别筛选出6、3、7个与淋巴结转移高度相关的组学特征,其中2个形状特征和10个纹理特征被纳入组合模型。多因素logistic回归分析显示MRI评估的淋巴结状态是淋巴结转移的预测因素(P<0.05)。与单序列模型相比,组合模型具有更好的预测能力,在训练集和验证集的诊断能力最高,ROC曲线下面积、敏感度和特异度分别为0.848[95%(confidence interval,CI):0.785~0.912]、78.2%、74.4%和0.827(95%CI:0.737~0.917)、80.8%、69.4%。DCA显示如果风险阈值超过60%,则用组合模型预测LACSCC患者NACT后淋巴结状态可获得较大的临床效益。结论基于治疗前MRI,联合Sag_T2WI、Ax_DWI、Sag_T1C三个序列的组学特征及临床信息对LACSCC患者NACT后淋巴结转移具有较好的预测效能。

DCE-MRI影像组学特征在预测乳腺癌腋窝淋巴结转移中的价值

目的探讨动态对比增强MRI(dynamic contrast enhanced MRI,DCE-MRI)影像组学特征在预测乳腺癌腋窝淋巴结(axillary lymph node,ALN)转移中的价值。材料与方法回顾性分析2017年1月至2020年12月间经河南省人民医院手术病理证实为乳腺癌患者的首次术前MRI图像及临床病理资料(包括患者年龄、病灶的位置和大小、SBR分级,ER、PR、HER-2及Ki-67的表达情况,ALN是否转移及脉管癌栓的有无),共入组356例患者,年龄26~82(49.17±10.75)岁,并按8∶2的比例将其随机分为训练集(n=284)和测试集(n=72)。提取DCE-T1WI序列第3期图像的影像组学特征,并通过Mann-Whitney U检验、Z分数归一化、方差阈值、K最佳及最小绝对值收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法筛选与ALN转移强相关的定量影像组学特征;应用多种分类器算法以排列组合方式分别构建影像组学标签,并利用受试者工作特征(receiver operating characteristic,ROC)曲线得到的曲线下面积(area under the curve,AUC)、敏感度、特异度及准确度评价模型的预测性能,根据模型效能从中确定最佳影像组学预测模型。结果356例乳腺癌患者中ALN转移组117例(32.9%,117/356),无ALN转移组239例(67.1%,239/356);HER-2阳性表达在ALN转移组和无转移组之间的差异有统计学意义(χ^(2)=5.433,P=0.020),其余临床病理指标在两组间的差异均无统计学意义(P>0.05);且临床病理指标在训练集与测试集患者中的差异均无统计学意义(P>0.05)。从初始653个影像组学特征中共筛选得到18个与ALN转移强相关的影像组学特征,包括形态特征、一阶特征及纹理特征各6个。基于绝对值最大归一化和Bagging决策树算法构建的影像组学标签是预测ALN转移的最佳模型,该模型在训练集和测试集的AUC、敏感度、特异度和准确度分别为0.929[95%置信区间(confidence interval,CI):0.897~0.960]、69.9%、96.9%、88.0%和0.803(95%CI:0.701~0.905)、75.0%、75.0%、75.0%。结论基于DCE-MRI影像组学特征构建的预测模型有助于乳腺癌术前ALN评估。

多模态磁共振成像技术在脑胶质瘤基因分型及预后评估中的研究进展

脑胶质瘤是成人最常见的颅内原发性肿瘤,易复发、预后较差,危害巨大。脑胶质瘤的基因分型对于治疗方案的选择和预后预测具有重要意义。磁共振成像作为脑胶质瘤诊断与评估的首选方法,在反映基因分型以及预后评估方面具有很大价值。作者对多模态磁共振成像技术在脑胶质瘤基因分型及预后评估方面的研究进展做一综述。

体素内不相干运动成像鉴别肺部鳞、腺癌并评估Ki-67表达

目的对比体素内不相干运动成像(IVIM)和^(18)F-FDG PET鉴别肺部鳞、腺癌的价值,评估各参数与Ki-67表达水平的相关性。资料与方法前瞻性分析河南省人民医院2020年7月—2021年2月经术后病理证实的41例肺鳞癌及肺腺癌患者,分析IVIM和^(18)F-FDG PET图像,分别测量最大标准化摄取值(SUVmax)、肿瘤代谢体积(MTV)、病灶糖酵解总量(TLG)、扩散系数(D)、假扩散系数(D^(*))及灌注分数(f)值。对比分析鳞、腺癌组间各参数的差异及诊断效能,并评估^(18)F-FDG PET与IVIM参数的相关性及其各参数与Ki-67表达水平的相关性。结果鳞癌组的SUVmax(14.63±7.85比7.10±4.30,t=3.995)和TLG值[49.56(25.37,202.29)比15.27(4.63,60.91),Z=−2.007]高于腺癌组(P均<0.05),D、D^(*)和f值显著低于腺癌组[D:(0.97±0.15)×10^(−3)mm^(2)/s比(1.24±0.97)×10^(−3)mm^(2)/s,t=−3.135;D^(*):20.99(9.35,51.72)×10^(−3)mm^(2)/s比40.03(17.44,138.55)×10^(−3)mm^(2)/s,Z=−2.034;f:(21.73±12.16)%比(32.70±11.68)%,t=−2.803;P均<0.05],两组MTV差异无统计学意义(Z=−1.320,P>0.05)。D、SUVmax、f、D^(*)和TLG值诊断鳞、腺癌的曲线下面积分别为0.817、0.796、0.749、0.696、0.693,差异无统计学意义(P>0.05)。SUVmax与Ki-67呈正相关(r=0.354,P<0.05),D值与Ki-67呈负相关(r=−0.371,P<0.05),f值分别与SUVmax、MTV、TLG呈负相关(r=−0.359、−0.315、−0.331,P均<0.05)。结论^(18)F-FDG PET和IVIM均可用于鉴别诊断肺部鳞、腺癌,两者诊断效能相似,部分参数与非小细胞肺癌的Ki-67存在相关性。

酰胺质子转移加权成像与体素内不相干运动成像评估肺腺癌病理分级及其与SUVmax的相关性

目的旨在比较酰胺质子转移加权成像(amide proton transfer weighted imaging,APTWI)和体素内不相干运动成像(intravoxel incoherent motion,IVIM)在评估肺腺癌病理分级中的价值,并评估各参数与18F-FDG正电子发射计算机断层显像(positron emission tomography,PET)的最大标准化摄取值(maximum standard uptake value,SUVmax)的相关性。材料与方法前瞻性收集66例术后病理证实为肺腺癌的患者,对APTWI、IVIM和18F-FDG PET图像进行分析,分别测量非对称磁化转移率[magnetization transfer ratio asymmetry,MTRasym(3.5 ppm)]、扩散系数(D)、假扩散系数(D*)、灌注分数(f)值、扩散分布指数(DDC)、扩散异质性指数(α)及最大标准化摄取值(SUVmax)。对比分析不同分级组间各参数的差异及诊断效能,并评估各参数值与SUVmax间的相关性。结果低分化组的MTRasym(3.5 ppm)、f值高于中高分化组,而D、DDC值低于中高分化组(P均<0.05),两组间D*、α值差异无统计学意义。MTRasym(3.5 ppm)、D、DDC、f、α和D*值诊断肺腺癌病理分级的AUC依次是0.858、0.743、0.661、0.645、0.577、0.531,MTRasym(3.5 ppm)的诊断效能显著高于除D值以外的其他参数(P均<0.05)。APTWI与IVIM联合鉴别病理分级的诊断效能最高(AUC=0.973)。MTRasym(3.5 ppm)与SUVmax值呈弱正相关(r=0.396);D、DDC值分别与SUVmax值呈弱负相关(r=-0.359,-0.249,P均<0.05)。结论APTWI和IVIM均是鉴别肺腺癌病理分级的有效手段,APTWI参数的诊断效能较IVIM更加有优势,部分参数与SUVmax存在相关性。

多参数MRI影像组学术前预测乳腺癌HER⁃2低表达的临床研究

目的探讨基于动态对比增强磁共振成像(DCE⁃MRI)和扩散加权成像(DWI)影像组学特征术前预测乳腺癌人表皮生长因子受体⁃2(HER⁃2)低表达的临床应用价值。方法回顾性搜集299例经本院病理证实为乳腺癌患者的首次MRI及临床病理资料,将患者分为HER⁃2低表达组(n=144)和HER⁃2非低表达组(n=155);按照8∶2比例随机将其分为训练集(n=239)和测试集(n=60)。采用ITK⁃SNAP软件手动逐层勾画DCE⁃MRI和DWI图像上病灶的感兴趣区(ROI),并提取影像组学特征。采用Mann⁃Whitney U检验、Z分数归一化、方差阈值、K最佳、最小绝对收缩和选择算子(LASSO)筛选特征,并建立DCE⁃MRI、DWI及二者联合模型。应用受试者工作特征曲线(ROC)的曲线下面积(AUC)、敏感度、特异度、准确率评估模型的预测效能。结果基于DCE⁃MRI、DWI、二者联合模型术前预测HER⁃2低表达的AUC值在训练集和测试集中分别为0.754、0.775、0.843和0.774、0.645、0.795。结论基于DCE⁃MRI、DWI组学特征模型均可术前无创性预测乳腺癌HER⁃2低表达状态,且以二者联合模型预测效能最佳,可为临床乳腺癌治疗方案的选择提供参考。