论文部分内容阅读
目的:通过提取不同模态超声图像的影像组学特征,研究基于多模态超声影像组学特征与临床及超声基本特征联合构建的模型对甲状腺乳头状癌（Papillar thyroid carcinoma,PTC）颈部淋巴结转移的预测效能;构建临床-多模态超声影像组学联合模型列线图,研讨其在术前预测PTC颈部淋巴结转移中的价值;并采用临床决策曲线来对不同阈值概率下的净效益进行量化以确定预测模型的临床有用性。方法:本研究依据纳入排除标准收集我院2016年3月～2021年12月经病理证实的PTC患者164例。所有患者术前均行常规二维超声（Conventional ultrasound,US）、超声造影（Contrast-enhanced ultrasound,CEUS）及应变超声弹性成像（Strain elastography ultrasound,SE-US）检查,临床资料完整且均具有DICOM格式图像。按照7:3比例将患者随机分成训练队列（n=115）和验证队列（n=49）,依据病理结果将纳入病例分为淋巴结转移组和无转移组。1、回顾性分析PTC患者临床及多模态超声图像特征与颈部淋巴结转移的关系,通过单因素与多因素分析确定与PTC颈淋巴结转移有关的独立预测因子,构建临床预测模型并观察其预测效能。2、对每一位PTC患者结节的常规二维超声（横切面及纵切面）、CEUS和SE-US不同模态的超声原始图像应用ITK-SNAP软件手动勾勒癌灶感兴趣区域,然后使用FAE Pro 0.3.6软件进行高通量、多层面的影像组学特征提取,每种模态均提取930个定量特征。根据是否加入临床及超声基本特征建立两个特征数据集,分别为单纯多模态超声影像组学特征数据集和临床及超声危险因素与多模态超声影像组学特征联合的数据集,数据集按7:3比例随机分为训练队列和验证队列,使用均数及Z-score标准化对数据归一化处理,主成分分析（PCA）和皮尔逊相关系数（PCC）进行特征空间的降维,采用递归特征消除（RFE）方法筛选关键特征,线性判别（LDA）和带LASSO约束的逻辑回归分类器分别构建多模态超声影像组学预测模型和临床-多模态超声影像组学联合模型,模型均进行10倍交叉验证,绘制各模型的受试者工作特征（ROC）曲线并评估其预测效能。3、比较三种不同预测模型的预测效能并确定预测PTC颈部淋巴结转移的最优模型,利用临床-多模态超声影像组学联合模型结果中获得的影像组学评分结合筛选出的临床独立预测因子建立联合模型列线图。采用校准曲线和一致性指数（C-index）评价列线图的校准与鉴别性能,并绘制临床决策曲线评估各个预测模型的临床应用价值。结果:1、164例PTC患者中,颈部淋巴结转移者有70例,无转移者有94例。单因素分析显示训练队列中,结节大小（P＜0.001）、回声（P=0.046）、微钙化（P=0.035）、多灶性（P＜0.001）、被膜接触范围（P＜0.001）和增强模式（P=0.038）在PTC患者淋巴结转移组与无转移组间差异有统计学意义,验证队列中结节大小（P=0.017）、微钙化（P=0.006）、多灶性（P=0.021）及被膜接触范围（P=0.003）在两组中存在统计学差异。多因素分析经变量筛选后结果显示结节大小≥1cm（P=0.041）、多灶性（P＜0.001）和被膜接触范围＞50%（P=0.021）为PTC患者发生颈部淋巴结转移的独立危险因素,由此构建临床预测模型,模型在训练队列中AUC为0.841,在验证队列中AUC为0.777。2、多模态超声影像组学特征中最终筛选出15个关键特征构建组学预测模型,其结果显示多模态超声影像组学模型的AUC在训练及验证队列中分别为0.925和0.768,模型在验证队列中的敏感性、特异性和准确性分别为85.7%、67.9%、75.5%。3、超声影像组学特征与临床及超声基本特征结合选出20个关键特征组成最优特征子集从而构建联合预测模型,联合模型在训练队列和验证队列的AUC分别为0.957和0.932,且在验证队列中其敏感性、特异性、准确性分别高达95.2%、89.3%和91.8%。4、三种预测模型中,临床-多模态超声影像组学联合模型在预测PTC颈部淋巴结转移中表现出最佳的预测效能。验证队列中联合模型的预测性能优于单纯多模态超声影像组学模型（AUC,0.932 vs 0.768,P=0.008）,优于临床预测模型（AUC,0.932 vs 0.777,P=0.012）,并且与临床或超声影像组学单独诊断PTC转移淋巴结相比,临床与组学的联合使模型敏感性、特异性、准确性等诊断指标均有不同程度的提高。5、验证队列中,联合模型列线图一致性指数为0.932,更直观地展现出临床与组学联合对PTC淋巴结转移具有良好的预测效能,且列线图校正曲线与标准曲线拟合效果良好。临床决策曲线分析表明临床-多模态超声影像组学联合模型能够使PTC患者获得最大的净获益,显著优于其他模型。结论:1、基于常规二维超声（横切面及纵切面）、CEUS及SE-US四种类型超声图像构建的影像组学模型结合了多种模态的特点,使其信息互补,从而提高了转移淋巴结定性及定位分析的准确性,可在术前无创区分PTC患者有无淋巴结转移,帮助医师提高术前预测PTC转移淋巴结的准确率。2、多模态超声影像组学特征结合临床及超声危险因素构建的联合预测模型可有效评估PTC患者转移淋巴结,较临床预测模型及超声影像组学模型相比具有最佳的预测效能,从而真正实现术前对PTC淋巴结转移的高效、精准预测。联合模型列线图将模型结果可视化,为临床实践提供了一种结合超声图像特征和临床风险因素的无创性预测工具。3、临床决策曲线分析表明了联合模型在甲状腺乳头状癌颈淋巴结转移预测中良好的临床应用价值,有助于临床医生制订个体化、精准化的治疗方案,避免过度诊断,根据预测模型对不同情况的PTC患者选择性地进行淋巴结清扫术,提高患者术后生活质量。