DCE-MRI直方图分析预测上皮性卵巢癌患者总生存期
DCE-MRI histogram analysis for predicting survival in patients with epithelial ovarian carcinoma.
PubMed 文献 · Abdom Radiol (NY) · 2026-10-06
本回顾性研究纳入155例上皮性卵巢癌患者的治疗前DCE-MRI数据，通过LASSO Cox回归筛选直方图特征并构建生存预测模型。结果显示Ktrans第10百分位数结合FIGO分期和残余病灶状态的联合Cox模型校正后C指数为0.805，显著优于仅含临床因素的模型（0.737，P=0.020），提示DCE-MRI直方图特征可为预后评估提供补充信息。
要点
- Ktrans第10百分位数是最稳定的预后预测特征（在88.0%的bootstrap重复中被选中），在联合模型中贡献最大
- 联合DCE-MRI直方图特征与FIGO分期、残余病灶状态的Cox模型C指数达0.805，显著优于单纯临床模型
- 中位总生存期为54个月，基于风险评分中位数分层的Kaplan-Meier分析显示显著生存期差异（P<0.001）
核心结论
- DCE-MRI直方图特征尤其是Ktrans第10百分位数可辅助预测上皮性卵巢癌患者总生存期
- 将DCE-MRI直方图特征与临床病理因素整合可提供互补的预后信息
- 联合Cox模型的bootstrap校正C指数为0.805，显著优于临床模型的0.737（P=0.020）
- 这些探索性发现需要前瞻性多中心外部验证
研究设计与样本
- 回顾性研究，纳入155例上皮性卵巢癌患者的治疗前DCE-MRI数据
- 使用LASSO Cox回归从DCE-MRI参数图中提取直方图特征，通过200次bootstrap重复评估特征选择稳定性
- 采用Cox回归和随机生存森林（RSF）构建临床、影像及联合模型
- 使用100次bootstrap重采样计算表观C指数并校正过度拟合
- 采用Kaplan-Meier分析评估风险分组分离度，使用SHAP分析进行模型解释
诊断标准与关键数值
- 影像Cox模型和RSF模型的表观C指数分别为0.790和0.827
- 联合Ktrans第10百分位数、FIGO分期和残余病灶状态的Cox模型表观C指数为0.806，RSF模型为0.853
- 联合Cox模型的bootstrap校正C指数为0.805，显著高于临床模型的0.737（P=0.020）
- 联合RSF模型的bootstrap校正C指数为0.810，高于临床模型的0.745但差异无统计学意义（P=0.120）
- Ktrans第10百分位数在88.0%的bootstrap重复中被选中，在联合Cox模型中具有最高平均绝对SHAP值
临床应用与阅片要点
- 报告上皮性卵巢癌DCE-MRI时应关注Ktrans第10百分位数这一直方图参数
- 将DCE-MRI直方图分析与FIGO分期、残余病灶状态结合可改善预后评估
- 使用风险评分中位数作为分层阈值可实现显著的生存期分层（P<0.001）
- 直方图分析需要从DCE-MRI参数图中提取定量特征，而非仅依赖常规形态学评估
局限性
- 回顾性研究设计存在固有偏倚
- 单中心研究，缺乏外部验证
- 需要前瞻性多中心研究验证这些探索性发现
以上解读依据论文摘要（全文未开放获取或许可不允许翻译转载）。
引用
- Xu, Chen, Guo, et al. DCE-MRI histogram analysis for predicting survival in patients with epithelial ovarian carcinoma. Abdom Radiol (NY). 2026. PMID: 42836989. doi:10.1007/s00261-026-05814-5
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。