基于bpMRI影像组学模型预测前列腺癌PNI及PSM的研究.pdf

摘要

摘要

biparametricmagneticresonanceimagingbpMRI

目的：利用双参数磁共振（，）

影像组学特征结合临床危险因素，建立联合模型用于预测术前前列腺癌的神经周

围侵犯（perineuralinvasion,PNI）及术后切缘阳性（positivesurgicalmargins,PSM）

的发生，从而为前列腺癌患者术前风险预测及指导手术决策提供可行方案，进一

步实现影像组学临床应用的可视化。

方法：回顾性收集2017年3月至2023年12月于电子科技大学附属医院四川

省人民医院共214例行根治性前列腺切除术且病理证实为前列腺癌患者的临床信

息及MRI影像资料，并按照7：3的比例将病例随机分为训练集（n149）和测试

集（n65）。使用3DSlicer软件ResampleImage模块将ADC图像以T2W图像为

参考进行图像重新采样，并在ADC轴位图像上进行三维手动逐层分割感兴趣区

（volumesofinterest,VOI），图像预处理后进行影像组学特征的提取。经过可重复

性分析、单因素分析及最小绝对收缩和选择算子（leastabsoluteshrinkageand

selectionoperatorLASSORM

，）筛选保留的特征用于影像组学模型（）建立。单因

素分析中p＜0.1的临床特征纳入多因素分析进行临床独立危险因子筛选并建立临

床模型建立（CM）。通过计算影像组学评分rad-score，结合临床独立危险因子进

-CRMnomogram

行临床影像组学联合模型（）的构建，并以列线图（）形式展示。

三类预测模型的效能及临床应用价值采用受试者工作曲线、校准曲线以及决策曲

线进行评估。

结果：多因素分析显示活检格林森评分是前列腺患者PNI的独立预测因子，

而年龄、活检格林森评分可以作为PSM的有效独立预测因子。RM模型AUC

-PNI

在训练集中为0.85，测试集中为0.728。RM-PSM模型AUC在训练集中为0.833，测

试集中为0.733。使用临床独立预测因子与rad-score建立的联合模型CRM均显示

出最佳预测效能：CRM训练集和测试集中AUC分别为0.882、0.723，CRM

-PNI-PSM

训练集和测试集中AUC分别为0.836、0.743。Delong检验结果显示临床模型CM

RMCRMAUC

与、的值间差异均具有统计学意义。

结论：基于bpMRI建立的临床-影像组学联合模型对于前列腺癌患者PNI、PSM

的预测效能优于单独的临床模型或影像组学模型，并且拥有较好的临床应用价值，

有期望成为临床手术决策可靠的参考工具。

关键词：前列腺癌，神经周围侵犯，术后阳性切缘，双参数磁共振，影像组学

I

ABSTRACT

ABSTRACT

Objective:Inordertopredictthepathologicalperineuralinvasion(PNI)and

positivesurgicalmargins(PSM)inprostatecancerpatien