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...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。展开更多
文摘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。
