Page 69 - 南京医科大学自然版

第45卷第2期 陆 遥，邵文慧，宋佳成，等. 基于多参数磁共振的影像组学特征一致性聚类与早期宫颈癌临床及
2025年2月 组织病理学特征的相关性研究［J］. 南京医科大学学报（自然科学版），2025，45（2）：208-217 ·209 ·

（18.93 ± 8.01）mm vs.（29.92 ± 10.61）mm，all P < 0.001］，and deeper stromal invasion［>2/3：26/72（36.1%）vs. 62/92（67.4%），P <
0.001］. Clustering analysis based on lymph nodes showed that no significant differences between the two clusters in short axis，long
axis，short ⁃ to ⁃ long axis ratio，signal，border，or lymph node metastasis. Conclusion：Associations between radiomics features and
clinical and histopathological characteristics of patients with CC could be identified by consensus clustering based on multiparametric
MRI⁃based radiomics，suggesting possibilities for preoperative risk stratification.
［Key words］ cervical cancer；magnetic resonance imaging；radiomics；consensus clustering
［J Nanjing Med Univ，2025，45（02）：208⁃217］

宫颈癌（cervical cancer，CC）是全球女性第 4 大 患者分为临床结局显著不同的亚组 。
［22］
常见恶性肿瘤，每年有超过50万例新诊断的患者，造 目前尚未有研究应用无监督机器学习方法分
［1］
成超过30万人死亡 。根治性子宫切除术、同步放化 析宫颈癌。假设聚类表征的图像亚组可能通过提
疗和辅助化疗是早期宫颈癌的主要治疗方法 。 示临床和组织病理学特征在组间的分布模式来提
［2］
事实上，早期宫颈癌患者的治疗策略很大程度上 供患者预后信息并用于宫颈癌的术前风险分层。
取决于多种病理危险因素的存在，包括肿瘤体积 因此，本研究旨在应用无监督聚类方法对早期宫颈
大（通常为肿瘤直径>4 cm）、淋巴血管间隙侵犯 癌患者肿瘤以及淋巴结的影像组学特征进行分析，
（lymphovascular space invasion，LVSI）、深间质浸润 以确定其与患者的临床和组织病理学特征之间的

（deep stromal invasion，DSI）、宫旁浸润（parametrial 关联。
infiltration，PMI）和淋巴结转移 ［3-6］ 。对于肿瘤体积
1 对象和方法
较大或存在DSI的患者，建议进行新辅助化疗以增强
治疗效果，提高手术切除率并减少复发和转移 ［7-9］ 。 1.1 对象
此外，常规进行前哨淋巴结活检和盆腔淋巴结清扫 回顾性分析 2019 年 7 月—2023 年 12 月在南京
术，以检测临床阴性的淋巴结转移 ［10］ 。然而，当患 医科大学第一附属医院诊断为早期宫颈癌［术前国
者不存在上述危险因素时，这些治疗不会使患者受 际妇产科联盟（Federation International of Gynecolo⁃
益，反而可能导致不可逆的并发症，降低患者生活 gy and Obstetrics，FIGO）分期ⅠB~ⅡA］并接受标准
质量。因此，早期宫颈癌患者的术前风险分层对临 磁共振扫描的患者。所有患者均符合以下纳入标
床制定个体化治疗方案以及避免不必要的手术干 准：①术前磁共振分期为 FIGO ⅠB~ⅡA 期的宫颈
预具有重要意义。 癌；②术前 1 个月内进行规范化的磁共振平扫和增
磁共振是宫颈癌术前诊断、分期和疗效评估及 强检查；③所有患者行根治性子宫切除术和盆腔淋
预后预测的最重要的成像方式 ［11-12］ 。影像组学是一 巴结清扫术；④具有完整的临床和组织病理学特
种新兴的影像分析形式，近年来已经引起了越来越 征。排除标准：①术前行新辅助化疗或放疗；②罕
多的关注。既往的临床研究已经证实了基于磁共 见类型的宫颈癌（如神经内分泌癌或癌肉瘤）或伴有
振的影像组学分析在预测宫颈癌的预后、治疗反应 其他恶性肿瘤疾病；③磁共振上肿瘤不可见（FIGO分
和生存期方面的价值 ［13-19］ 。传统的影像组学研究多 期小于ⅠB）。
采用有监督的机器学习方法，通过将患者影像组学 最终共纳入164例患者，248枚淋巴结。进一步
特征与临床及病理特征相结合构建临床诊断模 收集多参数磁共振和临床病理数据，包括磁共振T2
型。无监督机器学习，如聚类方法，不需要人为定 加权成像（T2WI）测量的3个方向的肿瘤直径（轴位
义数据的标签，是一种基于数据本身特征的机器学 短径、轴位长径和矢状位高度）、淋巴结转移、术后
习方法，有利于从大量不同的影像组学特征中识别 FIGO 分期（ⅠB、ⅡA、ⅡB 或ⅢCp）、组织学类型、肿
出隐藏的关系和结构，从而发现不同的表型变异或亚 瘤分化程度、间质浸润深度（<1/3、1/3~2/3、>2/3）、宫
型。聚类分析方法已经被应用于多个肿瘤的异质性 旁浸润和淋巴血管间隙侵犯。
分析和术前风险分层，如肺腺癌和胶质瘤 ［20-21］ 。最近 1.2 方法
的一项研究证实术前 CT 图像的放射组学特征无监 1.2.1 磁共振图像获取与分割
督聚类可以揭示直肠癌肝脏转移灶的异质性，并将 核 磁 共 振 检 查 使 用 3.0T 核 磁 共 振 扫 描 仪