基于多普勒超声影像组学联合术中冰冻病理提高卵巢交界性肿瘤预测准确性
Doppler-based Radiomics Integrated With Frozen Section Analysis Enhances Borderline Ovarian Tumor Prediction: A Multicenter Study.
PubMed 文献 · Ultrasound Med Biol · 2026-10-03
本多中心回顾性研究纳入1244例卵巢交界性肿瘤(BOT)和上皮性卵巢癌(EOC)患者，开发了基于彩色多普勒RGB信息的影像组学模型。灰阶联合彩色多普勒模型(GSCD)在验证集中敏感度92.9%、特异度88.9%；整合临床变量和术中冰冻病理的综合模型在验证集中敏感度87.2%、特异度98.7%，对鉴别BOT与I期EOC亦显示良好效能。
要点
- 彩色多普勒RGB信息可提取肿瘤新生血管特征，联合灰阶特征的影像组学模型预测卵巢交界性肿瘤验证集AUC达0.975
- 整合术中冰冻病理分析可进一步提升模型特异度至98.7%，有助于术中决策
- 该模型对鉴别交界性肿瘤与FIGO I期上皮性卵巢癌同样有效，验证集AUC可达0.919-0.936
核心结论
- 基于彩色多普勒RGB信息的影像组学模型能够准确预测卵巢交界性肿瘤，无论是否整合术中冰冻病理分析均表现出优异性能
- 该模型可有效鉴别交界性肿瘤与不同FIGO分期的上皮性卵巢癌
研究设计与样本
- 多中心回顾性研究，纳入2010年1月至2022年10月来自5个中心的1244例患者(BOT 520例，EOC 724例)，中位年龄49岁(IQR 37-58岁)
- 中心I数据按80%/20%随机分为训练集和验证集，中心II-V作为测试集
- 影像组学模型包括彩色多普勒特征(CD)、灰阶特征(GS)及联合模型(GSCD)，整合模型纳入临床变量、术中冰冻病理分析和最佳影像组学模型
- 彩色多普勒信号通过RGB三通道采集，以组织病理学为参考标准
关键影像表现/征象
- 彩色多普勒超声可提取肿瘤新生血管相关的RGB信息特征
诊断标准与关键数值
- GSCD模型预测BOT在训练集AUC为0.975(95%CI 0.962-0.985)，验证集敏感度92.9%、特异度88.9%
- 整合模型在训练集AUC为0.997(95%CI 0.993-0.998)，验证集敏感度87.2%、特异度98.7%
- GSCD模型鉴别BOT与I期EOC在验证集AUC为0.919(95%CI 0.849-0.963)
- 整合模型鉴别BOT与I期EOC在验证集AUC为0.936(95%CI 0.871-0.974)
临床应用与阅片要点
- 对疑似卵巢交界性肿瘤患者应常规采集彩色多普勒图像的RGB信息用于影像组学分析
- 术中冰冻病理结果与影像组学模型联合应用可显著提高术前决策的特异度
- 该模型可辅助术前评估早期卵巢癌与交界性肿瘤的鉴别，优化手术方案
局限性
- 回顾性研究设计
- 多中心数据但仅部分中心作为外部测试集
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
- Zhang, Wang, Liu, et al. Doppler-based Radiomics Integrated With Frozen Section Analysis Enhances Borderline Ovarian Tumor Prediction: A Multicenter Study. Ultrasound Med Biol. 2026. PMID: 42829281. doi:10.1016/j.ultrasmedbio.2026.09.006
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。