元医生智能体/影像医生/知识库
文献速递神经MR

影像组学及VASARI特征预测胶质母细胞瘤TERT启动子突变状态

RSS 订阅 · 放射学实践

回顾性纳入159例胶质母细胞瘤患者的术前MRI资料，分别构建临床、VASARI、影像组学及联合模型预测TERT启动子突变状态。联合模型在训练集和验证集的AUC分别为0.940和0.914，预测效能显著优于单一模型。影像组学和VASARI特征均可有效预测胶质母细胞瘤TERT启动子突变状态。

要点

  • 联合模型预测胶质母细胞瘤TERT启动子突变的AUC达0.914-0.940，显著优于单一模型
  • 影像组学模型预测效能（AUC 0.803-0.865）优于VASARI模型（AUC 0.713-0.769）
  • 单纯临床模型预测效能较低（AUC 0.610-0.633），需结合影像特征提高准确性

核心结论

  • 影像组学和VASARI特征均可有效预测胶质母细胞瘤患者TERT启动子突变状态
  • 联合模型的预测效能显著高于所有单一模型

研究设计与样本

  • 回顾性研究，纳入159例胶质母细胞瘤患者的术前临床、病理及MRI资料
  • 分别构建临床模型、VASARI模型、影像组学模型及联合模型
  • 通过受试者工作特征曲线评估各模型预测效能，Delong检验比较不同模型AUC值差异

诊断标准与关键数值

  • 训练集中，临床模型AUC为0.633（95%CI：0.540~0.726），验证集为0.610（95%CI：0.462~0.758）
  • 训练集中，影像组学模型AUC为0.865（95%CI：0.771~0.960），验证集为0.803（95%CI：0.688~0.917）
  • 训练集中，VASARI模型AUC为0.769（95%CI：0.685~0.852），验证集为0.713（95%CI：0.580~0.845）
  • 训练集中，联合模型AUC为0.940（95%CI：0.902~0.978），验证集为0.914（95%CI：0.865~0.963）

临床应用与阅片要点

  • 报告胶质母细胞瘤时可结合影像组学及VASARI特征提示TERT启动子突变可能性
  • 联合应用多种特征可显著提高预测准确性，建议综合评估临床、VASARI及影像组学信息

局限性

  • 回顾性研究设计

原文图文

【摘要】目的：探讨影像组学及伦勃朗视觉感受图像（VASARI）特征预测胶质母细胞瘤（GBM）端粒酶逆转录酶（TERT）启动子突变状态的价值。方法：回顾性搜集159例GBM患者的术前临床、病理及MRI资料，分别构建临床模型、VASARI模型、影像组学模型及联合模型。通过受试者工作特征曲线评估各模型的预测效能，并通过Delong检验比较不同模型的AUC值差异。结果：在训练集和验证集中，临床模型预测胶质母细胞瘤TERT启动子突变状态的AUC值分别为0.633（95%CI：0.540~0.726）、0.610（95%CI：0.462~0.758）,影像组学模型的AUC值分别为0.865（95%CI：0.771~0.960）、0.803（95%CI：0.688~0.917），VASARI模型的AUC值分别为0.769（95%CI:0.685~0.852）、0.713（95%CI:0.580~0.845）。联合模型的预测效能显著高于所有单一模型，AUC值分别为0.940（95%CI：0.902~0.978）、0.914（95%CI：0.865~0.963）。结论：影像组学和VASARI特征均可有效预测GBM患者TERT启动子突变状态，联合模型的预测效能显著高于所有单一模型。

来源：放射学实践，查看原文。版权归原作者所有。

引用

  1. fsxsj.tjh.com.cn：影像组学及VASARI特征预测胶质母细胞瘤TERT启动子突变状态
在智能体中追问阅读原文 ↗

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。