前列腺癌瘤内及瘤周MRI影像组学对骨转移的诊断价值OA北大核心

目的探讨基于磁共振成像(MRI)的前列腺癌(PCa)瘤内及瘤周影像组学对骨转移的诊断价值。方法收集2018年1月-2023年1月在甘肃省人民医院经组织穿刺病理学检查确诊为PCa的211例患者的临床资料进行回顾性分析。将患者按照7:3的比例随机分为训练集(n=147)与验证集(n=64);分别从患者的T_(2)加权成像(T_(2)WI)、扩散加权成像(DWI)及扩散系数成像(ADC)3个序列勾画感兴趣区(ROIs),用于提取影像组学特征;使用Z-score(正则化)、LASSO算法进行影像组学特征的降维、选择、构建;然后基于逻辑回归(LR)机器学习分类器构建模型;绘制受试者操作特征(ROC)曲线并计算曲线下面积(AUC),评估模型的效能;绘制校准曲线和决策曲线(DCA)评价模型的拟合度及临床净获益。结果从T_(2)WI、DWI和ADC中分别提取瘤内和瘤周影像组学特征各312个。使用LASSO回归模型最终筛选出与骨转移密切相关的瘤内影像组学特征10个(包括2个T_(2)序列特征、7个DWI特征、1个ADC序列特征)及瘤周影像组学特征9个(包括4个T_(2)序列特征、3个DWI特征、2个ADC序列特征)。基于瘤内影像组学特征构建的模型在验证集中AUC为0.845(95%CI 0.747~0.943),基于瘤周影像组学特征构建的模型在验证集中AUC为0.818(95%CI 0.716~0.919);基于瘤内、瘤周影像组学特征及临床特征(包括Gleason评分、总前列腺特异性抗原、体重指数)构建的联合模型(列线图)的AUC为0.936(95%CI 0.902~0.970);校准曲线表明联合模型具有良好的拟合度,DCA表明联合模型具有更好的临床净获益。结论瘤周影像组学对于初诊PCa骨转移有较高的诊断价值,且结合瘤内影像组学特征及临床特征可明显提高模型的诊断能力。