梅斯医学MedSci APP
医路相伴,成就大医

European Radiology:应用超声放射组学分析诊断鼻咽癌患者的颈部淋巴结转移

Tags: 鼻咽癌   放射组学   颈部淋巴结转移      作者:shaosai 更新:2023-01-31

众所周知鼻咽癌(NPC)是一种在华南地区发病率较高的癌症颈部淋巴结转移(CLNM)的发生率很高。颈淋巴结(CLN)的转移状况不仅影响到NPC的分期,也影响到治疗计划。目前磁共振成像(MRI)对鼻咽癌CLNM的诊断标准包括淋巴结最小直径、中心坏死或边缘强化、结节分组和结外肿瘤扩散(ENS),这些都是与预后相关的因素。

由于US具有较高的敏感性和特异性,因此已成为评估颈部淋巴结转移的重要的成像方式之一。与MRI相比,超声检查更方便更容易获得被广泛用于NPC CLN的检查中。剪切波弹性成像(SWE)、增强超声(CEUS)等新技术进一步提高了US在NPC CLNM诊断中的效率。虽然恶性淋巴结多伴有圆形、边缘不锐利、回声均匀、皮质增厚、脐部结构不清晰、坏死等特征,但这些特征也可以在良性淋巴结中发现,包括结核、反应性淋巴增生和肉芽肿性炎症。这阻碍了对淋巴结转移和良性淋巴结改变的识别。同时,US的诊断依赖于医生的经验,这因此主观性较强

放射组学可利用数据表征算法从医学图像中提取数百个特征,并通过机器学习或深度学习建立算法模型,有助于对肿瘤特征进行客观的分析放射组学可以按像素级别对US图像的特征进行定量提取和分析,以识别无法在宏观上识别的肿瘤信息在CLNM预测领域有很大的应用潜力。

近日,发表在European Radiology杂志的一项研究评估了US放射组学分析在诊断鼻咽癌(NPC)患者颈部淋巴结转移(CLNM)中的临床价值。

本项研究共纳入205例NPC CLNM和284例有病理诊断的良性淋巴。对每个淋巴结最大部分的灰度超声(US)图像进行了特征提取。通过最大相关性最小冗余(mRMR)算法和多变量逻辑最小绝对收缩和选择算子(LASSO)回归来进行特征选择。基于临床特征、放射组学特征和这些特征的组合建立了逻辑回归模型。模型的AUCs通过DeLong's检验进行分析。

在临床模型中,颈部上方的淋巴结、较大的长轴和淋巴结门清晰是CLNM的重要因素(P < 0.001)。MR和LASSO回归从提取的386个放射组学特征中为放射组学模型选择了7个重要特征。在验证数据集中,临床模型的AUC值为0.838(0.776-0.901),放射组学模型为0.810(0.739-0.881),而综合模型为0.880(0.826-0.933)。在两个数据集中,临床模型和放射组学模型的AUC没有显著差异。DeLong测试显示,在训练(p = 0.049)和验证数据集(p = 0.027)中,联合模型的AUC明显大于临床模型。


 
 LASSO逻辑回归的数字。A 惩罚项的交叉验证图。B 训练数据集中模型的拉索路径图

本项研究表明,超声放射组学分析在筛选有意义的超声特征和提高NPC患者CLNM的诊断效率方面具有潜在的临床价值。

原文出处:

Min Lin,Xiaofeng Tang,Lan Cao,et al.Using ultrasound radiomics analysis to diagnose cervical lymph node metastasis in patients with nasopharyngeal carcinoma.DOI:10.1007/s00330-022-09122-6

来源:MedSci原创
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
小提示:本篇资讯需要登录阅读,点击跳转登录

相关推荐

移动应用
medsci.cn © 2020