高b值弥散加权成像生境影像组学模型鉴别前列腺良、恶性病变
RSS 订阅 · 中国介入影像与治疗学
结果显示生境影像组学模型在训练集、验证集和外部测试集鉴别前列腺良恶性病变的AUC分别为0.917、0.911和0.870，优于传统单一病灶分割模型。
要点
- 生境影像组学模型在外部测试集的AUC为0.870，具有良好的泛化能力
- DWI异常高信号区及其邻近区域（h1）的影像组学特征对鉴别诊断贡献最大
核心结论
- 高b值DWI生境影像组学模型鉴别前列腺良、恶性病变效能较佳
- 生境影像组学模型的诊断效能优于传统单一病灶分割影像组学模型（MSL、h2及h3模型）（P均＜0.05）
- 生境影像组学模型与h1影像组学模型的诊断效能差异无统计学意义（P均＞0.05）
研究设计与样本
- 中心1病例按7∶3比例随机分为训练集（n=284，前列腺癌137例、良性病变147例）与验证集（n=122，前列腺癌68例、良性病变54例）
关键影像表现/征象
- 将全前列腺ROI划分为3个生境亚区：DWI异常高信号区域及其邻近区域（h1）、h1亚区周围过渡区域（h2）及背景前列腺组织区域（h3）
- DWI异常高信号区及其邻近区域（h1）的影像组学特征对鉴别诊断价值最高
诊断标准与关键数值
- 生境影像组学模型（h1+h2+h3）鉴别训练集前列腺良恶性病变的AUC为0.917
- 生境影像组学模型鉴别验证集前列腺良恶性病变的AUC为0.911
- 生境影像组学模型鉴别外部测试集前列腺良恶性病变的AUC为0.870
- h1影像组学模型的诊断效能与生境影像组学模型相当（P均＞0.05）
- 生境影像组学模型的诊断效能显著高于MSL、h2及h3影像组学模型（P均＜0.05）
临床应用与阅片要点
- 可采用自动分割工具将前列腺划分为不同生境亚区，重点关注DWI异常高信号区及其邻近区域
- 对于单纯逐层手动分割病灶困难或主观性较大的病例，生境影像组学分析可提供客观参考
- 生境影像组学模型在外部测试集仍保持较高诊断效能（AUC=0.870），具有较好的临床应用前景
局限性
- 回顾性研究设计存在固有偏倚
- 研究仅纳入2个中心，外部测试集样本量相对较小（n=50）
原文图文
目的 观察高b值弥散加权成像（DWI）生境影像组学模型鉴别前列腺良、恶性病变的价值。方法 回顾性纳入中心1接受前列腺MR检查的406例前列腺病变，按7∶3比例随机分为训练集［n=284，前列腺癌（PCa）137例、良性病变147例］与验证集（n=122，PCa68例、良性病变54例）；以中心2的50例为外部测试集（PCa及良性病变各25例）。基于DWI（b=2 000 s/mm2）逐层手动分割病灶（MSL）区域；以3DSlicer v5.6.2的MONAI AutoSeg组件自动分割全前列腺ROI，再将其划分为DWI异常高信号区域及其邻近区域（h1）、h1亚区周围过渡区域（h2）及背景前列腺组织区域（h3）共3个生境亚区，提取并筛选单一MSL、h1、h2、h3及h1+h2+h3影像组学特征并构建相应影像组学模型或生境影像组学模型，比较各模型诊断效能。结果 生境影像组学模型鉴别训练集、验证集和外部测试集前列腺良、恶性病变的曲线下面积分别为0.917、0.911及0.870，均高于MSL、h2及h3影像组学模型（P均＜0.05）而与h1影像组学模型差异均无统计学意义（P均＞0.05）。结论 高b值DWI生境影像组学模型鉴别前列腺良、恶性病变效能较佳。
来源：中国介入影像与治疗学，查看原文。版权归原作者所有。
引用
- www.cjiit.com：高b值弥散加权成像生境影像组学模型鉴别前列腺良、恶性病变
供执业医师工作参考，不替代临床判断；数值与分级以指南原文为准。