论文部分内容阅读
第一部分MRI及诊刮组织病理对Ⅱ型子宫内膜癌的预测价值目的探讨联合多参数MRI及术前诊断性刮宫组织的免疫组化检查对Ⅱ型子宫内膜癌的诊断价值,探索具有高诊断效能的最优检查序列。材料和方法回顾性分析2016年9月-2020年10月间经手术病理明确的子宫内膜癌患者,以最终手术病理结果为金标准分为Ⅰ型（普通类型）和Ⅱ型（特殊类型）子宫内膜癌两组。所有患者在术前均进行多参数MRI检查,并于影像检查后行诊断刮宫术,对刮出的组织进行ER、PR、p53、Ki67等免疫组化检查。对患者的年龄、症状、绝经情况等资料进行统计,并统计患者的MRI征象:肿瘤大小、边界、囊实性情况、相对T2值、是否深肌层浸润、病灶实性部分的ADC值,病灶动态增强动脉早期、动脉晚期、实质期及延迟期的强化率,DWI信号、T2WI信号、MRI诊断深肌层浸润情况以及腹水、盆腔淋巴结阳性情况等表现。将上述结果中两组间具有统计学差异的参数纳入多因素Logistic回归分析,筛选出Ⅱ型EC的独立危险因素,构建Ⅱ型EC的临床预测模型,并绘制ROC曲线对模型的诊断效能进行评估。结果共搜集473例子宫内膜癌患者,经排除后共纳入403例患者进行统计分析,其中Ⅰ型EC共316例,Ⅱ型EC共87例。Ⅰ型中G1期宫内膜样癌197例（62.3%）,G2期宫内膜样癌119例（37.7%）;Ⅱ型中G3期宫内膜样癌46例（52.9%）,浆液性癌21例（24.1%）,透明细胞癌7例（8.1%）,癌肉瘤13例（14.9%）。两组间年龄、免疫组化的ER、Ki67、p53差异、淋巴结阳性情况、深肌层浸润情况、ADC值、动态增强动脉晚期（DCE2）、实质期（DCE3）及延迟期（DCE4）强化率差异具有统计学意义（p=0.021、p=0.032、p=0.007、p<0.001、p=0.011、p=0.024、p=0.028、p=0.036、p=0.032及p=0.021）;两组患者间的临床症状、绝经情况、肿瘤大小、边缘、PR、DWI信号、T2WI信号均匀性、相对T2值、动态增强早期（DCE1）强化率及腹水情况无明显差异（p=0.85、p=0.558、p=0.119、p=0.915、p=0.934、p=0.376、p=0.382、p=0.384、p=0.429、p=0.839）。基于常规MRI特征的预测模型诊断效能为AUC=0.669,95%CI（0.61-0.729）,准确率51.4%,模型的敏感度为86.2%,特异度为62.0%;基于临床及诊刮组织免疫组化特征的预测模型诊断效能为 AUC=0.772,95%CI（0.72-0.824）,准确率为 66.7%,敏感度为 83.9%,特异度为 62.0%;联合常规MRI以及IHC构建的联合模型表明p53、ki67以及DCE4对Ⅱ型EC具有较高诊断价值,联合模型诊断效能最高AUC=0.784,准确率为67.2%,敏感度为88.5%,特异度为59.8%。结论1.常规MRI预测Ⅱ型EC的效能为AUC=0.669,准确率为51.4%,敏感度为86.2%,特异度为62.0%;联合预测模型诊断Ⅱ型EC的AUC=0.784,准确率为67.2%,敏感度为88.5%,特异度为59.8%。2.ADC值、动态增强延迟期强化率（DCE4）有助于Ⅱ型EC与I型EC的鉴别诊断,DWI以及动态增强序列可为两种类型EC的鉴别提供有价值的信息。第二部分基于MRI影像的组学技术对Ⅱ型子宫内膜癌的预测价值目的通过提取多模态MRI的高通量参数构建影像组学预测模型,探索最优化的模型构建方法;探讨基于MRI的影像组学技术对Ⅱ型子宫内膜癌的预测价值,比较影像组学与常规MRI诊断Ⅱ型EC的优劣。材料和方法回顾性分析从2016年9月-2020年10月经手术病理明确诊断的403例子宫内膜癌患者,以最终手术病理结果为金标准分为两组,其中Ⅰ型EC共316例,Ⅱ型EC共87例。对两组患者MRI图像中的T2WI、ADC、DCE4三个序列的肿瘤区域分别进行ROI勾画,提取肿瘤的影像组学参数,对数据进行Lasso分析以降低数据维度,最终获取肿瘤的组学特征中的最优参数。将筛选出的最优参数纳入多因素Logistic回归分析,筛选出对Ⅱ型子宫内膜癌具有诊断价值的独立特征并建立Ⅱ型子宫内膜癌的影像组学预测模型。按照三种不同MRI序列的组合,共统计出 7 组影像组学参数:ADC、T2WI、DCE4、ADC+T2WI、ADC+DCE4、T2WI+DCE4 以及ADC+T2WI+DCE4,应用6种算法:二元Logistic线性回归、随机森林、自助抽样综合、支持向量机法（Support Vector Machine,SVM）、人工神经网络及朴素贝叶斯分别构建预测模型,共构建42个影像组学模型。采用受试者工作特征曲线（receiver operating characteristic curve,ROC）、准确性、敏感性及特异性评估各参数的诊断效能。采用Delong检验比较影像组学模型与第一部分基于MRI与IHC构建的联合模型的诊断效能。结果42个预测模型的预测效能均具有较好的预测效果,其中最优模型为基于ADC+DCE4两个序列的朴素贝叶斯模型,AUC为0.869（95%CI:0.793-0.945）,该模型的准确性、敏感性及特异性分别为86.7%、61.5%及92.6%,模型预测值与实际数据拟合良好（p=0.23）。影像组学模型的预测效能高于常规MRI联合模型,两个模型的差异具有统计学意义（Z=3.577,p=0.002）。结论1.基于7种序列组合以及6种不同算法得到的42个影像组学模型对Ⅱ型EC具有不同程度的预测效能。2.基于ADC+DCE4序列的影像组学参数模型对Ⅱ型EC的诊断效能最高,AUC=0.869（95%CI:0.793-0.945）,准确性为86.7%、敏感性为61.5%、特异性为92.6%。3.影像组学模型对Ⅱ型EC的预测效能高于常规MRI及术前免疫组化检查。第三部分MRI、诊刮组织病理及影像组学对Ⅱ型子宫内膜癌的综合预测价值目的联合常规MRI、诊刮组织病理及影像组学中筛选出的具有独立预测价值的特征参数,构建联合模型并生成临床应用的列线图。探讨该联合模型对Ⅱ型子宫内膜癌的诊断价值。材料和方法将常规MRI、诊刮组织病理及影像组学中筛选出的最优参数纳入多因素Logistic回归分析,构建Ⅱ型子宫内膜癌的联合诊断模型,基于联合模型建立列线图,采用ROC曲线评价列线图模型的区分度,采用决策曲线评价模型的临床有效性,拟合优度检验评价列线图模型的校准度。结果列线图在训练组和验证组的AUC分别为0.951（0.910-0.993）及0.915（0.651-0.978）,在训练组中准确性、敏感性与特异性分别为86.8%、72.1%及90.2%,在验证组中准确性、敏感性与特异性分别为85.0%、80.8%及86.2%。模型的校正曲线表明模型诊断的Ⅱ型子宫内膜癌风险与实际Ⅱ型子宫内膜癌风险之间的一致性良好,H-L拟合优度检验p=0.532,说明模型预测值与实际观察值之间无明显差异。决策曲线分析表明患者应用本模型进行预测的净获益较高。结论1.本研究结合常规MRI、术前免疫组化以及放射组学特征建立了列线图模型。该模型对Ⅱ型EC具有良好的预测效能,可辅助临床选择合理的治疗方案。2.列线图模型的预测性能高于常规MRI、术前免疫组化以及影像组学模型。列线图模型在训练组中与验证组中均具有较高的诊断效能,且拟合优度检验表明模型与实际数据拟合良好,决策曲线分析表明列线图模型有较高的临床应用价值。