放射学来区分质瘤与初级中枢神经系统淋巴瘤:一个系统性审查和元分析
Alexandru Garaba1, Nummra Aslam1, Francesco Ponzio2
1Department of Surgical Specialties, Radiological Sciences, and Public Health, University of Brescia, Brescia, Italy.
Frontiers in oncology
|February 29, 2024
概括
放射学有效地将中枢神经系统 (CNS) 质瘤与初级中枢神经系统淋巴瘤 (PCNSL) 区分开来. 灰色水平运行长度矩阵 (GLRLM) 和18F-FDG-PET/CT成像显示了这种歧视的最佳性能.
科学领域:
- 神经瘤学神经瘤学
- 医学成像分析分析 医学成像分析
- 放射学和人工智能 放射学和人工智能
背景情况:
- 有许多放射学模型用于区分中枢神经系统 (CNS) 质瘤与初级中枢神经系统淋巴瘤 (PCNSL).
- 现有的模型显示异质性,需要对它们的整体性能和关键区分变量进行评估.
研究的目的:
- 确定基于放射学模型在区分中枢神经系统质瘤与PCNSLs方面的整体性能.
- 为未来的算法开发确定最关键的放射性特征和成像方式.
主要方法:
- 系统性文献审查和对12项涉及1779名患者的研究进行元分析.
- 在主要的科学数据库 (PubMed,MEDLINE,EMBASE,科学网,Scopus) 中进行全面的搜索.
- 使用随机效应元分析估计总体敏感性 (SEN) 和特异性 (SPE).
主要成果:
- 对于区分中枢神经系统质瘤与PCNSLs的高整体灵敏度 (88%) 和特异性 (87%).
- 性能最好的放射性特征:灰色水平运行长度矩阵 (GLRLM;准确率97%),邻近灰色色调差矩阵 (NGTDM;93%),以及基于形状的特征 (91%).
- 最好的成像方式:18F-FDG-PET/CT (97%的准确度);最常用的:MRI CE-T1W (87%-95%的准确度).
结论:
- 放射学显示出高灵敏度和特异性来区分中枢神经系统质瘤和PCNSLs.
- GLRLM,NGTDM和基于形状的特征对于准确的区分至关重要.
- 18F-FDG-PET/CT是优越的成像模式,而MRICE-T1W经常被使用.
