Page 128 - 南京医科大学自然版
P. 128
第44卷第7期
·1012 · 南 京 医 科 大 学 学 报 2024年7月
变活检后的GS与相应根治性前列腺切除术(radical 临床模型(0.865 vs. 0.658,P=0.02),决策曲线分析也
prostatectomy,RP)后的 GS 不一致仍然是一个未解 证实该模型有良好的临床实用性。He 等 [41] 基于
决的问题 [27] ,而Zhang等 [28] 研究表明,基于mpMRI的 T2WI和ADC 图像构建影像组学模型分别预测ECE
影像组学模型对 PCa 从活检到 RP 的 GS 升级有良 和 PSM,结果显示 ADC 模型性能最佳(AUC:0.625、
好的预测性能,并开发了一种简单易用的诺莫图, 0.733),结合临床因素后的联合模型性能提高到
帮助临床医生根据患者 GS 升级的风险决定继续 0.728 和 0.766,也说明联合模型可提高对 ECE 和
实行主动监测或手术根治等。Ogbonnaya等 [29] 全部 PSM 的风险预测能力。另外该研究从原发灶中提
使用 RP 标本作为参考标准,从 bpMRI 图像中提取 取 RF,说明 ECE 的发生与瘤内的异质性相关。而
GLCM 特征,筛选能独立预测 csPCa 的 RF 并构建模 Bai 等 [42] 基于瘤周区域构建影像组学模型来预测
型,该研究是第1个使用3D特异性模具将影像学和 ECE,结果显示瘤周区域的RF较瘤内区域能更好地
组织病理学信息整合在一起的前瞻性研究。 预测 ECE(P < 0.05)。研究认为瘤周组织及微环境
大量研究表明 mpMRI 的计算机辅助分析可以 能够提供肿瘤诊断和预后相关的信息 [43] ,如瘤周血
[30]
帮助进行PCa的分级及风险分层,Makowski等 使用 管和软组织、脂肪组织的变化可能与包膜受侵袭程
支持向量机(support vector machine,SVM)、随机梯度 度有关 [44-45] 。
提升、随机森林和 K⁃最近邻(K⁃nearest neighbor, 目前预测ECE的 ML研究相对较少,Cuocolo等 [46]
KNN)这4种不同的ML算法训练模型对PCa进行风 基于 T2WI 和 ADC 图像采用 SVM 算法构建 ECE 预
险分层,并评估T1 mapping特征的附加价值,结果显 测模型,并在多中心验证模型,结果显示模型在训
示SVM的准确率最高(AUC=0.92),且T1 mapping定 练集中的准确率达83%,在两个外部验证集中的准
量技术可提高影像组学模型的准确性,但该研究样 确率达 79%和 74%,且与影像医师的诊断准确率差
本量小,无法充分确定 T1 mapping 定量技术的潜在 异无统计学意义,多中心验证的设计直接证明该模
价值。最近,Castillo等 [31] 在一项多中心研究中使用 型具有良好的普适性,将其纳入ECE评分系统有望
[47]
ML 算法构建区分高风险和低风险 PCa 的影像组学 进一步提高诊断的准确性。Fan等 基于mpMRI图
模型,并与影像医师的诊断进行比较,结果显示影 像使用6种算法分别建立与PCa侵袭性相关的5种生
像组学模型优于影像医师的诊断。这是第1个将影 物学特征(Ki⁃67、S100、ECE、PSM和神经周围侵犯)
像组学模型的普适性作为主要关注点的研究,也提 的影像组学模型并验证诊断效能,结果显示随机森
示要在多中心环境中训练验证影像组学模型后,才 林算法对Ki⁃67、S100、ECE、神经周围侵犯的预测性
能将其应用于临床决策系统中。 能最好(AUC:0.87、0.80、0.85、0.82),SVM 对 PSM 的
2.3 PCa 包膜外侵犯(extracapsular extension,ECE) 预测性能最好(AUC:0.77)。该研究证明了影像组
的预测 学在预测 PCa 多种生物学特征方面的适用性,并提
ECE 会导致 PCa 患者发生手术切缘阳性(posi⁃ 供ML参数为未来的标准化工作提供参考。
tive surgical margins,PSM)和微转移的概率增加,也 2.4 PCa BCR的预测
与不良预后和 BCR 相关 [32-33] ,对于这些患者需要考 BCR 是 PCa 患者治疗失败及死亡的主要原因,
虑切除血管神经束或辅助治疗等 [34] 。因此,术前准 早期准确预测 BCR 有助于指导临床合理制定治疗
确识别 ECE 对于治疗方案的制定至关重要。一项 方案,改善预后。
Meta 分析显示 mpMRI 术前预测 ECE 的灵敏度仅为 Zhong 等 [48] 使用基于卷积神经网络(convolu⁃
[35]
57% ,而影像组学的出现提高了 ECE 检测的准确 tional neural network,CNN)的 ML,构建 mpMRI 影像
性 [36-38] 。 组学模型来预测局限性 PCa 患者放射治疗(radia⁃
Ma 等 [39] 基于 T2WI 图像构建影像组学模型,训 tion therapy,RT)后的 BCR,结果表明该模型的总体
练集和验证集的AUC 分别为0.902和0.883,与影像 准确率为 74.1%,首次证明了 mpMRI 影像组学在评
医师的诊断灵敏度(46.88%~50.00%)相比,灵敏度 估局限性PCa患者 RT 后预后方面的潜力。在此基
(75.00%)显著提高,特异度差异无统计学意义,与 础上,Li 等 [49] 联合术前 bpMRI 的 RF、GS 分级分组
先前的研究结果一致 [35] ,但该研究仅评估了 T2WI 和 PSA 水平建立 RadClip 诺莫图来预测 RP 术后的
图像的RF。Xu等 基于mpMRI图像构建影像组学 无 BCR 生存和不良病理,结果显示 RadClip 的模型
[40]
模型以术前预测ECE,结果显示其诊断效能明显优于 C 指数为 0.77,AUC 为 0.71,其表现优于现有的预