临床放射学杂志

作者：刘深圳, 王在斌, 娄金峰, 姜帆, 夏熙双

单位：471000 洛阳,河南科技大学第一附属医院神经外科刘深圳;450014 郑州,郑州大学第二附属医院神经外科王在斌、娄金峰、姜 帆、夏熙双

关键词：胶质瘤,病理分级,影像组学,瘤周脑区,联合模型

基金：本研究系河南省医学科技攻关计划联合共建项目基金资助项目(编号:LHGJ20220467)

<b>目的</b> 探讨多序列瘤周瘤内影像组学模型预测胶质瘤病理分级的价值。<b>方法</b> 回顾性分析153例病理结果为胶质瘤患者的MRI影像资料,其中低级别胶质瘤50例,高级别胶质瘤103例。将预处理后的T₁WI、T₂WI、T₂ FLAIR、T₁增强影像资料导入3D Slicer中进行瘤内感兴趣区域勾画,并将其自动外扩至肿瘤周围2 mm、3 mm、4 mm、5 mm、6 mm,应用Python中的pyradiomics进行影像组学特征提取,使用<i>t</i>检验、<i>Pearson</i>相关分析以及最小绝对收缩与选择算法模型进一步筛选特征,使用6种分类器分别构建瘤周、瘤内影像组学模型,筛选出最佳瘤周模型后,将每个序列的最佳瘤周(均为瘤周3 mm)与瘤内影像特征组合构建瘤内+瘤周模型,采用受试者工作特征曲线(ROC)及其曲线下面积(AUC)评估不同预测模型的效能,采用<i>DeLong</i>检验比较不同模型之间 AUC的差异。<b>结果</b> 患者的性别、年龄与胶质瘤病理分级无关(<i>P</i>&gt;0.05)。在构建的预测模型中,4种序列的瘤周与瘤内影像特征联合构建的预测模型预测性能最佳,在测试组AUC达到了为0.987、准确度为0.935、特异度为0.929、敏感度为0.906。<b>结论</b> 瘤周影像组学模型同样具有良好的预测效能,与瘤内影像组学模型效能相当,并能够提升瘤内影像组学模型的预测性能。瘤周瘤内影像组为术前确定患者胶质瘤病理分级提供一种准确率更高的无创预测方法,为临床个体化、精确化治疗方案的制定及预后评估提供重要信息。

来源：2024年第9期

《临床放射学》期刊编辑部

查看临床放射学杂志2024年第9期