MRI影像组学鉴别前列腺影像报告和数据系统(PI-RADS)3分良、恶性病变

作     者：田朋 李金锋 李晶 陈穗惠 王新江 徐贤 TIAN Peng;LI Jinfeng;LI Jing;CHEN Suihui;WANG Xinjiang;XU Xian

作者机构：中国人民解放军总医院第二医学中心放射科北京100853 

出 版 物：《中国医学影像技术》 (Chinese Journal of Medical Imaging Technology)

年 卷 期：2024年第40卷第12期

页      面：1920-1925页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100214[医学-肿瘤学] 10[医学] 

主　　题：前列腺肿瘤 磁共振成像 影像组学 

摘      要：目的评价MRI影像组学鉴别前列腺影像报告和数据系统(PI-RADS)3分良、恶性病变的价值。方法回顾性分析107例PI-RADS 3分前列腺病变患者,按73比例随机将其分为训练集与测试集。采用回归分析筛选与前列腺癌(PCa)相关的临床特征,以最小绝对收缩和选择算子算法筛选病变影像组学特征,分别构建临床模型、单序列模型、多序列模型及多序列-临床联合模型。绘制受试者工作特征曲线,计算曲线下面积(AUC),评估各模型鉴别良、恶性病变的效能;并以校准曲线和决策曲线评价模型性能及临床实用性。结果总前列腺特异性抗原(PSA)为PCa独立临床预测因素,以之构建临床模型;分别以4个表观弥散系数(ADC)特征、10个弥散加权成像(DWI)特征及14个T2WI特征构建单序列模型;利用2个ADC特征、3个DWI特征及3个T2WI特征构建多序列组学模型。以所获联合模型鉴别训练集与测试集前列腺PI-RADS 3分良、恶性病变的AUC分别为0.940和0.906,提示其具有良好预测效能和临床净获益。结论基于MR多序列影像组学特征联合总PSA可鉴别PI-RADS 3分前列腺良、恶性病变。