摘要
目的:旨在建立基于临床和磁共振(Magneticresonanceimaging,MRI)特征的影像组学诺模图来预测子宫内膜癌(endometrialcancer,EC)的风险分层，并评估该诺模图对高危EC的诊断效能。 方法:回顾性收集2018年9月至2022年12月于本院行全子宫切除术及双侧附件切除术的143例EC患者，以手术病理结果为金标准，将EC分为低危EC和高危EC。所有患者术前均行盆腔MRI检查。收集每名患者的临床资料，包括年龄、糖类抗原125(cancerantigen125,CA125)、人附睾分泌蛋白4(humanepididymisprotein4,HE4)、术前诊断性扩张刮宫(dilatationandcurettage,D&C)结果、MRI报告的子宫肌层侵犯深度、宫颈间质浸润(cervicalstromalinvasion,CSI)和肿瘤的最大直径。采用单因素和多因素回归分析明确临床独立危险因素。将所有患者按7:3的比例随机分成训练集(n=100)和测试集(n=43)。采用3D-Slicer软件在轴位T2加权成像、扩散加权成像及动态增强MRI成像上沿肿瘤边缘勾画感兴趣区并提取影像组学特征。采用最小冗余最大相关算法和最小绝对收缩和选择算子算法筛选各单一序列和组合序列的最佳影像组学特征计算影像组学评分(radiomicsscore,rad-score),最后联合临床独立危险因素和rad-score构建影像组学诺模图。采用受试者工作特征曲线(receiveroperatingcharacteristic,ROC)评估训练集和测试集中各预测模型的诊断效能。通过临床决策曲线分析(decisioncurveanalysis,DCA)、净重新分类指数(netreclassificationindex,NRI)和综合鉴别指数(integrateddiscriminationindex,IDI)评估该诺模图的临床净收益。 结果:多因素Logistic回归分析发现年龄、MRI报告的CSI和D&C是区分高危和低危EC的独立危险因素(P＜0.05),选择上述独立危险因素构建临床模型。联合临床独立危险因素和rad-score构建影像组学诺模图。ROC分析结果显示:临床模型、rad-score及影像组学诺模图在训练集中的ROC曲线下面积分别为0.817(95％confidenceinterval[CI]:0.737～0.896)、0.823(95％CI:0.7392～0.9061)和0.926(95％CI:0.876～0.975),在测试集中分别为0.765(95％CI:0.634～0.895)、0.815(95％CI:0.5913～0.9109)和0.892(95％CI:0.796～0.988)。校准曲线表明诺模图预测高危EC与实际病理结果之间的一致性良好。DCA表明，当概率阈值在2％-94％的范围内，使用诺模图预测高危EC获得的临床净收益大于临床模型。另外，在训练集和测试集中,NRI值分别为0.959(95％CI:0.608～1.310)、0.499(95％CI:0.121～0.619),IDI值分别为0.262(95％CI:0.160～0.365)、0.215(95％CI:0.168～0.415),差异均具有统计学意义(P＜0.05)。 结论:患者年龄、MRI报告的CSI、D&C和多序列影像组学特征构建的rad-score可作为区分高、低危EC的独立危险因素;基于上述独立危险因素构建的影像组学诺模图对高危EC具有较好的预测效能。
NETL