论文部分内容阅读
目的:探究基于甲状腺乳头状癌（papillary thyroid carcinoma,PTC）原发癌灶的超声图像提取影像组学特征构建影像组学评分,选取相关超声特征构建超声模型,联合影像组学评分和相关超声特征构建联合模型,用于评估颈部淋巴结转移的临床价值,以期为临床选择手术方式提供依据,减少过度治疗。方法:回顾性分析重庆市第四人民医院2017年1月-2021年7月接受甲状腺切除及颈部淋巴结清扫,并经病理确诊的PTC患者167例,其中无淋巴结转移（non lymph node metastasis,NLNM）患者73例,淋巴结转移（lymph node metastasis,LNM）患者94例,所有患者均为单发病灶。对病灶的超声特征进行评估,包括病灶位置、直径、形态、回声、是否钙化、血流类型以及甲状腺影像报告和数据系统（thyroid imaging reporting and date system,TI-RADS）分类。将PTC病灶最大截面的超声图像导入影像组学软件（ITK-SNAP）,对病灶的感兴趣区域（region of interest,ROI）进行手动勾画,然后应用影像组学软件（Artificial Intelligence Kit）从勾画的ROI中自动提取影像组学特征。所有患者按照7:3比例随机分为训练组和测试组。在训练组中,采用最大相关性最小冗余度（maximum relevance minimum redundancy,mRMR）及最小绝对收缩和选择算子（least absolute shrinkage and selection operator,LASSO）两种算法进行特征筛选,保留最佳特征构建影像组学评分（Rad-score）。以最小赤池信息量准则（akaike information criterion,AIC）选取超声特征构建超声模型,并将选取的超声特征与Rad-score通过二元logistic回归算法构建联合模型。绘制受试者工作特征（receiver operating characteristic,ROC）曲线评估三种模型预测颈部淋巴结转移的效能,参数包括准确性、敏感性、特异性及曲线下面积（area under curve,AUC）,并采用Delong检验比较不同模型的AUC。采用Hosmer-Lemeshow检验和校准曲线评估联合模型在训练组及测试组中预测值与实际值之间的一致性。并采用决策曲线分析（decision curve analysis,DCA）评估训练组中三种模型的临床应用价值。结果:NLNM和LNM患者的TI-RADS分类,病灶位置,病灶直径,病灶形态以及血流类型具有统计学意义（P＜0.05）。167例PTC患者,按照7:3比例随机分为训练组和测试组,训练组患者118例,其中NLNM患者52例,LNM患者66例,其TI-RADS分类、病灶位置、病灶直径、病灶形态以及血流类型具有统计学意义（P＜0.05）;测试组患者49例,其中NLNM患者21例,LNM患者28例,其病灶直径、病灶形态以及血流类型具有统计学意义（P＜0.05）。最终保留了6个特征用于构建影像组学评分（Rad-score）。训练组以及测试组中NLNM患者Rad-score显著低于LNM患者(P=8.9x10-16,2.7x10-9)。基于最小AIC,纳入TI-RADS分类,病灶位置,病灶直径,病灶形态,血流类型五个指标构建超声模型。三种模型的预测能力如下:训练组中,超声模型预测颈部LNM的AUC、准确性、敏感性、特异性分别为0.910、0.814、0.697、0.961,Rad-score分别为0.932、0.881、0.894、0.865,联合模型分别为0.980、0.966、0.984、0.942。测试组中,超声模型预测颈部LNM的AUC、准确性、敏感性、特异性分别为0.881、0.796、0.678、0.952,Rad-score分别为0.944、0.857、0.857、0.857,联合模型分别为0.954、0.959、0.964、0.952。三种模型中,超声模型的AUC、准确性、敏感性在训练组及测试组中均最低,特异性均最高,联合模型的AUC、准确性、敏感性在训练组及测试组中均最高,并且具有平衡的敏感性和特异性。Delong检验显示:训练组中,联合模型的AUC高于Rad-score、超声模型,差异有统计学意义（P＜0.05）,Rad-score的AUC高于超声模型,差异无统计学意义（P＞0.05）。测试组中,联合模型的AUC高于Rad-score、超声模型,Rad-score的AUC高于超声模型,差异均无统计学意义（P＞0.05）。校准曲线显示:在训练组中,联合模型预测患者为LNM的情况与真实情况一致性较好,测试组一致性尚可。Hosmer-Lemeshow检验显示联合模型在训练组及测试组中预测患者为LNM的情况与真实情况均无统计学意义（P=0.329,0.741）,说明拟合度良好。DCA显示当临床上评估PTC患者颈部淋巴结转移的风险值为0.0-0.85时,联合模型的临床收益高于Rad-score、超声模型。结论:由原发癌灶超声特征构建的超声模型对PTC患者颈部淋巴结转移具有一定的预测能力（训练组AUC:0.910,测试组AUC:0.881）,但敏感性低（训练组:0.697,测试组:0.678）。基于超声图像提取影像组学特征构建的Rad-score对PTC患者颈部淋巴结转移的预测能力高于超声模型（训练组AUC:0.932,测试组AUC:0.944）,虽然两组的AUC比较无统计学意义,但敏感性显著性提高（训练组提高到0.894,测试组提高到0.857）。联合Rad-score和超声特征构建的联合模型对PTC患者颈部淋巴结转移具有较高的预测能力（AUC、准确性、敏感性最高,并具有平衡的敏感性和特异性）,同时具有一定的校准能力和较高的临床应用价值,该模型有可能促进早期医疗管理并减轻过度治疗。