基于MRI的多参数放射学用于术前预测子宫内膜癌多种生物特征
Changjun Ma1,2, Ying Zhao1,2, Qingling Song1,2
1Department of Radiology, First Affiliated Hospital, Dalian Medical University, Dalian, China.
Frontiers in oncology
|January 8, 2024
概括
多参数MRI (MP-MRI) 放射学模型可以预测子宫内膜癌 (EC) 的生物特征,如淋巴血管空间入侵 (LVSI) 和深层肌膜入侵 (DMI). 联合放射学和临床模型为EC患者管理提供了更好的预测.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 子宫内膜癌 (EC) 的诊断和分期依赖于对生物特征的准确预测.
- 多参数MRI (MP-MRI) 提供了超越标准成像的详细组织特征.
- 放射学,从医学图像中提取定量特征,在非侵入性评估瘤生物学方面显示出前景.
研究的目的:
- 开发和验证基于MP-MRI的放射学模型,用于预测子宫内膜癌 (EC) 中的关键生物特征.
- 为了比较放射学模型,临床模型和组合模型在预测DMI,LVSI,MSI和Her-2状态方面的性能.
- 评估这些模型在指导EC患者临床决策方面的有用性.
主要方法:
- 292名EC患者接受了MP-MRI (T2WI,DWI,ADC) 进行放射性特征提取 (2316个特征).
- 临床因素 (年龄,FIGO阶段等) 与放射性特征一起进行了分析.
- 五个分类器 (逻辑回归,随机森林等) 构建了放射学模型;组合模型整合了放射学得分和临床因素. 模型性能使用ROC,校准和DCA进行评估.
主要成果:
- 随机森林放射学模型在培训队列中显示MSI (0.844),LVSI (0.952) 和DMI (0.840) 的高AUC.
- 组合模型在所有子集的训练队列中始终优于临床模型 (例如,MSI:AUC 0.907与0.755).
- 在验证队列中,组合模型对DMI (AUC0.803对0.698) 和LVSI (AUC0.926对0.796) 的临床模型显著改善.
结论:
- 基于MP-MRI的放射学分析,结合临床因素,可以有效地预测EC生物特征,如DMI,LVSI,MSI和Her-2.
- 这些预测模型为子宫内膜癌管理中的临床决策提供了宝贵的见解.
- 放射学提供了一个非侵入性的工具,以提高对EC瘤特征的理解和预测.
