在MRI上使用放射学进行外周神经膜瘤的术前分类
Christianne Y M N Jansma1,2, Xinyi Wan3, Ibtissam Acem1
1Department of Surgical Oncology and Gastrointestinal Surgery, Erasmus MC Cancer Institute University Hospital Rotterdam, Dr. Molewaterplein 40, 3015 GD Rotterdam, The Netherlands.
Cancers
|June 19, 2024
概括
这项研究开发了一种放射学模型,使用MRI来区分恶性 (MPNSTs) 和良性 (BPNSTs) 周围神经膜瘤. 该模型与临床数据相结合,显示了改善诊断的潜力,减少了活检的需要.
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:
- 恶性外围神经膜瘤 (MPNSTs) 是侵略性的,常见于神经纤维素瘤1型 (NF1) 患者.
- 区分MPNST与良性外围神经膜瘤 (BPNST) 是当前MRI具有挑战性的,通常需要活检.
研究的目的:
- 开发和评估一个放射学模型,使用定量MRI特征来区分MPNST和BPNST.
- 评估临床数据与放射学相结合的附加值,以提高诊断准确度.
主要方法:
- 从使用WORC算法对MPNST和BPNST患者的MRI扫描中提取了定量放射学特征.
- 自动机器学习和100x随机分割交叉验证用于模型开发和评估.
- 放射学模型与放射科医生的表现和组合模型进行了比较.
主要成果:
- 在T1加权 (T1w) 的MRI放射学模型中,AUC达到0.71.
- 将T1wMRI放射学与临床特征结合起来,使AUC提高到0.74.
- 放射学性能与经验丰富的放射科医生相当 (AUC为0.75和0.66).
结论:
- 对T1wMRI的放射学分析,特别是与临床数据相结合时,在区分MPNST和BPNST方面显示出希望.
- 这种方法可能有助于临床管理周围神经膜瘤,可能减少侵入性手术.


