基于MRI的影像组学对PSA"灰区"且PI-RADS 3分及以上前列腺癌的诊断价值研究
目的 构建基于MR的组学模型并联合临床特征实现术前对前列腺特异性抗原(PSA)为4～10 ng/ml且前列腺影像报告与数据系统(PI-RADS)评分≥3分前列腺癌(PCa)的诊断.方法 回顾性分析两家医院经病理证实的PSA水平在4～10 ng/ml且PI-RADS评分≥3分的PCa 82例,良性前列腺增生150例.使用ITK-SNAP分别在T2WI、ADC及动态增强扫描(DCE)手动勾画感兴趣区(ROI),用python平台提取特征,FAE软件完成对数据预处理、特征选取以及组学模型构建.通过单因素及多因素Logistic回归分析临床特征确定独立预测因子来构建临床模型.通过曲线下面积(AUC)评价模型性能,选取最佳组学模型联合临床模型构建综合模型.并通过外部验证来验证模型的泛化能力.通过R软件绘制综合模型列线图,并采用校准曲线及决策曲线评估其拟合度以及临床应用价值.结果 综合模型、组学模型及临床模型的在训练集中AUC分别为0.933(95％CI:0.874～0.970)、0.915(0.852～0.957)、0.802(95％CI:0.722～0.867);在测试集中 AUC 分别为 0.887(95％CI:0.792～0.982)、0.872(95％CI:0.759～0.966)、0.677(95％CI:0.521～0.833);在外部验证集中 AUC 分别为 0.866(95％CI:0.740～0.946)、0.812(95％CI:0.676～0.908)、0.709(95％CI:0.564～0.829),其中综合模型的诊断效能均为最佳.列线图的校准曲线结果显示预测结果与病理结果有较好的一致性.决策曲线表现出综合模型具有良好的临床应用价值.结论 基于MR的组学模型联合临床模型构建的综合模型,可以用来术前无创预测PSA为"灰区"且PI-RADS 评分3分及以上的PCa,从而减少不必要的穿刺活检.
前列腺癌、影像组学、前列腺特异性抗原、前列腺影像报告与数据系统
42
R737.25;R445.2;R563
山西省重点研发计划项目;山西省重点研发计划项目;国家自然科学基金
2023-08-08（万方平台首次上网日期，不代表论文的发表时间）
共7页
953-959
