首页 > 论文范文 > 医药卫生论文 > 妇产科论文 > 子宫肌瘤论文 > MRI影像组学和临床特征联合模型预测高强度聚焦超声治疗子宫肌瘤效果

MRI影像组学和临床特征联合模型预测高强度聚焦超声治疗子宫肌瘤效果

2023-07-14 49 上传者：管理员

摘要：观察基于MRI影像组学及临床特征建立的联合模型预测高强度聚焦超声(HIFU)治疗子宫肌瘤效果的效能。方法回顾性分析257例接受HIFU治疗的单发子宫肌瘤患者，基于治疗前盆腔轴位T2WI、T1WI、T1对比增强(T1C)及表观弥散系数(ADC)图提取病灶影像组学特征。分别以XGBoost特征选择算法及XGBoost分类器建立预测HIFU即刻消融率和随访肌瘤体积缩小率的影像组学联合临床特征模型A和B。按8∶2比例将数据集分为训练集(n=202)和测试集(n=52),采用受试者工作特征(ROC)曲线和混淆矩阵评估模型的预测效能。结果经XGBoost算法选择后纳入10个影像组学特征，包括4个T1WI、2个T2WI、1个T1C及3个ADC图影像组学特征，结合肌瘤背侧距骶骨距离和T2WI信号强度构建模型A;纳入10个影像组学特征，含4个T1WI、3个TIC及3个ADC图影像组学特征，结合肌瘤T2WI信号强度构建模型B。ROC曲线结果显示，模型A预测训练集和测试集HIFU治疗肌瘤即刻消融率的曲线下面积(AUC)分别为0.94[95%CI(0.90,0.96)]和0.90[95%CI(0.81,0.97)],模型B预测训练集和测试集肌瘤体积缩小率的AUC分别为0.98[95%CI(0.97,0.99)]、0.91[95%CI(0.81,0.98)]。结论 MRI影像组学联合临床特征模型可有效预测HIFU治疗子宫肌瘤近期及远期效果。

关键词：
MRI影像组学
临床特征模型
子宫肌瘤
影像组学
高强度聚焦超声消融
加入收藏

子宫肌瘤是最常见的子宫良性肿瘤，发病率随年龄而增加[1,2]。高强度聚焦超声(high intensity focused ultrasound, HIFU)为非侵入性消融方法[3],且无电离辐射、并发症少，现已广泛用于治疗子宫肌瘤[4],但受肌瘤组织特性和技术限制，HIFU消融并非适用于所有肌瘤[4,5]。本研究基于MRI影像组学和临床特征建立联合模型，观察其预测HIFU治疗子宫肌瘤效果的效能。

1、资料与方法

1.1一般资料

回顾性分析2017年4月—2018年12月257例于西南医科大学附属医院接受HIFU治疗的子宫肌瘤患者，年龄20～53岁、平均(41.0±5.6)岁。纳入标准：①年龄>18岁女性，未绝经；②单发子宫肌瘤；③于HIFU治疗前2个月内接受盆腔平扫和对比增强MR检查；④HIFU治疗后接受定期常规超声随访，未经其他干预。排除标准：①MR图像质量差；②肌瘤最大径>10 cm或<3 cm;③合并其他系统严重疾病；④妊娠及哺乳期妇女；⑤随访资料不完整。治疗前患者及家属签署知情同意书。

1.2仪器与方法

采用Philips Achiea 3.0T、Philips Achiea 1.5T MR扫描仪、16通道相控阵腹部线圈行盆腔MR扫描，采集轴位T1WI、T2WI、弥散加权成像(diffusion weighted imaging, DWI)及T1对比增强(T1 contrast-enhanced, T1C),并将DWI上传至Philips 2.6.3.1后处理工作站生成表观弥散系数(apparent diffusion coefficient, ADC)图。

1.3图像处理及纹理分析

以DICOM格式将图像导入Philips IntelliSpace Discovery平台，由具有6年及10年工作经验的影像科医师各1名逐层手动勾画病灶ROI,使之尽量包含全部肿瘤组织，融合后生成感兴趣体积(volume of interest, VOI),见图1。共于T1WI、T2WI、T1C及ADC图中获得1 199个影像组学特征，包括14个基于形状的特征、285个一阶特征、420个灰度共生矩阵(gray-level co-occurrence matrix, GLCM)、240个灰度游程长度矩阵(gray-level run length matrix, GLRLM)和240个灰度尺寸区域矩阵(gray-level size zone matrix, GLSZM)。

1.4提取特征及构建预测模型

采用Python 3.6软件，以XGBoost特征选择算法于影像组学和临床资料中筛选特征，以XGBoost分类器构建预测模型。采用五折交叉验证和网格搜索法调试模型超声参数，得到模型A用于预测HIFU治疗后即刻消融率、模型B用于预测随访肌瘤体积缩小率。

图1基于盆腔轴位T1WI(A)、T2WI(B)、T1C(C)和ADC图(D)勾画子宫肌瘤ROI并获得VOI(E) 1.5统计学分析

采用SPSS 25.0统计分析软件。以x−±s表示符合正态分布的计量资料，组间行t检验；以中位数(上下四分位数)表示不符合正态分布者，采用非参数秩和检验进行比较。以χ2检验比较计数资料。随机选择20个子宫肌瘤，采用组内相关系数(intra-class correlation coefficient, ICC)评估观察者内和观察者间提取影像组学特征的一致性，ICC>0.75为一致性较好。按8∶2比例将数据集分为训练集(n=202)和测试集(n=52)。采用受试者工作特征(receiver operating characteristic, ROC)曲线和混淆矩阵评估模型对于训练集和测试集的预测效能。P<0.05为差异有统计学意义。

2、结果

2.1一般资料

经HIFU治疗后，子宫肌瘤即刻平均消融率为(77.35±22.46)%;其中142个消融率≥80%(高低消融率组)、115个<80%(低消融率组)。治疗后随访20～47个月、平均(29.41±8.62)个月，末次随访显示肌瘤体积平均缩小率为(95.50±30.67)%,其中144个肌瘤体积缩小率≥50%(显效组)、113个<50%(非显效组)。

2.2 HIFU治疗子宫肌瘤效果的影响因素

单因素分析结果显示，高、低消融率组间，子宫位置、肌瘤位置、肌瘤背侧与骶骨的距离及T2WI信号强度差异均有统计学意义(P均<0.05),见表1;显效组与非显效组间，患者年龄、子宫体积、肌瘤体积及T2WI信号强度差异均有统计学意义(P均<0.05),见表2。

表1接受HIFU的不同消融率单发子宫肌瘤患者基本资料及肌瘤特征(n=257)

2.3选择特征及建立模型

观察者内及观察者间提取影像组学特征的一致性均较好(ICC均>0.75)。经XGBoost算法选择后纳入10个影像组学特征，包括4个T1WI、2个T2WI、1个T1C及3个ADC图影像组学特征，结合肌瘤背侧与骶骨的距离和T2WI信号强度构建模型A;纳入10个影像组学特征，包括4个T1WI、3个TIC及3个ADC图影像组学特征，结合肌瘤T2WI信号强度构建模型B。见图2。

2.4模型预测效能

ROC曲线结果显示，模型A预测训练集和测试集肌瘤即刻消融率的曲线下面积(area under the curve, AUC)分别为0.94和0.90;模型B预测训练集和测试集肌瘤体积缩小率的AUC分别为0.98和0.91。见表3及图3、4。

3、讨论

HIFU治疗子宫肌瘤在部分患者疗效欠佳；准确筛选治疗适应证有助于改进治疗效果[6,7]。治疗后肌瘤即刻消融率和随访中肌瘤体积缩小率是评价HIFU治疗子宫肌瘤近期及远期效果的常用指标[8,9,10]。

在盆腔MRI中，相比其他序列图像，T1WI对比度相对较低；而影像组学可挖掘肉眼难以发现的影像图像异质性信息，使得T1WI同样具有潜在研究价值。ZHENG等[11]基于T2WI和DWI提取影像组学特征，利用机器学习方法构建预测HIFU治疗子宫肌瘤消融率的模型，其AUC为0.802,准确率为0.762。本研究发现HIFU治疗后子宫肌瘤即刻消融率与10个影像组学特征(包括4个T1WI、2个T2WI、1个T1C及3个ADC图影像组学特征)及肌瘤背侧与骶骨的距离和肌瘤T2WI信号强度有关，并基于上述特征构建消融率分类预测模型A,其在测试集的AUC为0.90,准确率为0.81。NIEUWENHUIS等[12]发现子宫肌瘤的体积变化与肌瘤血供有关；HIFU消融后子宫肌瘤缩小可能与治疗部位细胞凋亡、吞噬或热损伤等有关[13]。本研究筛选10个影像组学特征(包括4个T1WI、3个TIC及3个ADC图影像组学特征)及肌瘤T2WI信号强度，以之构建预测肌瘤体积缩小率的模型B在测试集的AUC为0.91,准确率为0.80。

图2用于构建模型A(A)、B(B)的影像组学特征、临床特征及其权重图

表3模型A、B预测训练集和测试集的效能

图3模型A的ROC曲线及混淆矩阵图

A、B.分别为训练集和测试集的ROC曲线图；C、D.分别为训练集和测试集的混淆矩阵图

图4模型B的ROC曲线及混淆矩阵图

A、B.分别为训练集和测试集的ROC曲线图；C、D.分别为训练集和测试集的混淆矩阵图

T2WI信号强度及增强T1WI表现均在一定程度上反映肌瘤血供。利用后处理软件对DWI进行处理可自动生成ADC图，反映肌瘤血流灌注、细胞特性和微循环状态等[10,13]。以HIFU消融血供丰富的肌瘤时，血液流动可带走部分能量，导致能量难以沉积而影响消融效果；消融背侧与骶骨距离较远的肌瘤时，对于骶骨的损伤较小，治疗风险低，治疗效果好[2]。肌瘤T2WI信号强度与细胞增殖活性有关，肌瘤呈高信号通常提示其具有丰富的平滑肌细胞和较少的胶原纤维，接受HIFU治疗时超声能量吸收相对较低，不利于消融[4]。

综上所述，基于MRI影像组学及临床特征建立的联合模型可有效预测HIFU治疗子宫肌瘤近期及远期效果。本研究的局限性：①为回顾性观察，样本量少，且缺乏外部验证；②利用两台不同场强MR仪采集MRI及影像组学数据，可能影响结果；③随访期间仅以常规超声评估子宫肌瘤体积，治疗后至末次随访的时间间隔不完全统一，可能导致结果偏倚。

参考文献:

[8]中国医学装备协会磁共振应用专业委员会微创治疗学组.MR引导聚焦超声治疗子宫肌瘤中国专家共识[J].中华放射学杂志,2020,54(8):737-744.

基金资助:泸州市科技计划项目(2022-SYF-57);

文章来源:刘玛丽,袁媛,李明东等.MRI影像组学及临床特征联合模型预测高强度聚焦超声治疗子宫肌瘤效果[J].中国介入影像与治疗学,2023,20(07):