论文部分内容阅读
研究目的:探讨基于磁共振(MRI)的影像学特征在前列腺癌诊断和预测包膜侵犯中的应用价值研究方法:回顾性分析2015年1月至2018年12月间为明确前列腺疾患诊断于苏州大学附属第一医院进行MRI检查并行前列腺穿刺活检符合纳入标准共459名患者资料,其中病理证实良性前列腺增生186名,病理证实前列腺癌并行根治性前列癌切除术患者273例。从PACS系统中导出患者完整的T2WI序列及ADC序列图像,使用MITK软件对分别对两个序列的可疑病变区域圈划感兴趣区(ROI),提取影像学特征,然后进行Spearman相关分析和MRMR算法进行筛选。对筛选出的影像学特征进行LASSO回归分析并建立影像学特征模型。同时收集患者临床资料,包括年龄,tPSA,f/ttPSA,PI-RADS v2评分,穿刺阳性针数占比,穿刺Gleason评分等,通过Logistic线性回归分析筛选出临床独立的危险因素,将其与对应的影像学特征模型结合构建整合模型。前列腺癌诊断模型的建立中将所有患者按7:3比例分层抽样分为训练集和测试集。前列腺癌包膜侵犯预测模型的建立中按相同的比例将所有前列腺癌患者分为训练集和测试集。通过训练集上的数据分别构建T2WI序列和ADC序列影像学特征模型及相应的整合模型,然后在独立的测试集上进行了测试。计算受试者工作特性(ROC)曲线下的面积(AUC)以及95%置信区间,根据约登指数选择截止值以确定相应的灵敏度,特异度和准确度,并且通过包含不同因素的模型之间比较评估模型性能。研究结果:基于MRI中T2WI序列和ADC序列的前列腺癌诊断模型AUC分别为0.775和0.863,灵敏度为0.654和0.827,特异度均为0.782,准确度为0.699和0.809,相应的整合模型将AUC分别提高到0.851和0.912,灵敏度为0.840和0.877,特异度为0.727和0.873,准确度为0.794和0.868。且均优于临床危险因素建立的模型。基于MRI中T2WI序列和ADC序列的前列腺癌包膜侵犯预测模型AUC分别为0.599和0.625,灵敏度为0.636和0.697,特异度为0.625和0.521,准确度为0.617和0.580,相应的整合模型将AUC值分别提高到0.726和0.728,灵敏度为0.849和0.727,特异度为0.583和0.688,准确度均为0.691,总体差于临床危险因素建立的模型。结论:MRI影像学特征对于区分前列腺良恶性病变具有良好的诊断效率,对于区分前列腺癌患者是否存在包膜侵犯诊断效率较差,但是对提高诊断的灵敏度仍有帮助。ADC序列的影像学特征相对于T2WI序列诊断效率更高。影像学特征结合临床独立危险因素后诊断效率得到了提高。MRI影像学特征对于前列腺癌诊断及预测包膜侵犯具有一定的应用价值,并且潜能巨大,未来可能成为重要的辅助诊断工具。