Page 118 - 南京医科大学自然版

第44卷第12期
·1732 · 南 京 医 科 大 学 学 报 2024年12月

表1 患者临床影像信息
Table 1 Clinical imaging information of patients

Variable Soft group（n=78） Hard group（n=30） P
Sex［n（%）］ 0.032
Male 000.49（62.82） 000.12（40.00）
Female 000.29（37.18） 000.18（60.00）
Age［years，M（P25，P75）］ 053.09 ± 14.04 047.33 ± 14.22 0.060
Knosp grade［n（%）］ 0.355
0 000.01（1.28） 0000.1（3.33）
1 000.29（37.18） 000.10（33.33）
2 000.25（32.05） 000.05（16.67）
3 000.12（15.38） 000.08（26.67）
4 000.11（15.38） 000.06（20.00）
Tumor diameter［mm，M（P25，P75）］ 25.950（21.950，33.100） 29.050（20.825，36.175） 0.467
Tumor volume［cm ，M（P25，P75）］ 06.069（3.614，9.781） 10.282（3.905，17.873） 0.141
3
Endocrine［n（%）］ 0.476
Functioning 000.50（64.10） 000.17（56.67）
Nonfunctioning 000.28（35.90） 000.13（43.33）

A B
1.0 1.0

0.8 0.8
True positive rate 0.6 Model 1（AUC=0.82） True positive rate 0.6

0.4
0.4
Model 2（AUC=0.52）
Model 3（AUC=0.85）
0.2 Model 2（AUC=0.85） 0.2 Model 1（AUC=0.63）
Model 3（AUC=0.75）
Model 4（AUC=0.89） Model 4（AUC=0.80）
0 Chance level 0 Chance level
00 0.2 0.4 0.6 0.8 1.0 00 0.2 0.4 0.6 0.8 1.0
False positive rate False positive rate
A：The training set. B：The validation set. Model 1：clinical model；Model 2：T2WI model；Model 3：DWI model；Model 4：T2WI+DWI model.
图2 各种模型预测效能的ROC曲线
Figure 2 ROC curves of the predictive efficacy of various models

［4］
证组的 AUC 为 0.80。各模型详细预测效能见表 2。 T2WI 信号越低，肿瘤质地越硬 ，此外既往基于
校准曲线结果显示联合T2WI和DWI影像组学模型 DWI 通过评估肿瘤的细胞密度角度来预测垂体腺
一致性较好。 瘤质地的研究结果也存在争议 ［5-6，8-10］ 。垂体腺瘤病
理成分复杂，其内部的出血、钙化或囊变组织内蛋
3 讨 论
白含量高的液体均可引起 T2WI 及 DWI 信号改变。
术前评估垂体腺瘤的质地对神经外科医生制 而且既往多采用热点法勾画感兴趣区，通过 T2WI
定适当的手术策略至关重要。本研究表明，与临床 信号比值及单纯的细胞密度角度，无法反映整个肿

模型和基于单序列影像组学模型相比，联合 T2WI 瘤的异质性，这可能是既往研究存在局限性的原
和DWI影像组学模型具有更好的诊断效能。 因。现有一些研究通过功能 MRI 来预测垂体腺瘤
研究表明垂体腺瘤质地与病理中胶原纤维含 的质地 ［16-17］ ，虽然这些研究取得了良好的结果，但功
量密切相关，胶原成分越高，其质地越坚硬 ［15］ 。肿 能MRI未包括在常规扫描方案中，且扫描失败率及
瘤内纤维含量会缩短弛豫时间，因此有研究表明 诊断不确定性依然存在。