来源：期刊VIP网 时间：
作者：翟承凤;杨宏楷;戚轩;杨馨;齐东;程卫群;何永胜;
单位：安徽医科大学马鞍山市人民医院影像科;皖南医学院附属马鞍山市人民医院影像科;医学影像建模与智能分析马鞍山市重点实验室;
摘要：目的 探讨基于双参数磁共振成像（biparametric magnetic resonance imaging, bpMRI）生境成像分析诊断高风险和低风险前列腺癌（prostate cancer, PCa）的价值。材料与方法 回顾性分析了2023年12月至2024年8月期间在马鞍山人民医院就诊期间，经穿刺或手术病理证实为PCa患者191例，其中高风险PCa为131例，低风险PCa为60例。将191例患者按7∶3的比例随机分为训练集及测试集，所有患者均进行bpMRI扫描，对T2WI、小视野扩散加权成像（ZOOMit diffusion weighted imaging,ZOOMit-DWI）、表观扩散系数（apparent diffusion coefficient, ADC）序列进行预处理。在ADC图像中提取19个影像组学特征，通过整合T2WI与ZOOMit-DWI图像，采用无监督K均值聚类方法在所有肿瘤体素中生成相似亚区。根据生境亚区结果计算出191例患者的肿瘤内异质性分数（intratumoral heterogeneity score, ITHscore），从亚区提取组学特征，对影像组学特征进行降维及过滤，筛选出相关系数最高的组学特征，通过SHAP分析可视化图，以评估各特征重要性。经过各特征融合和筛选，分别建立10个生境影像组学模型。计算每个模型的阈值、敏感度、特异度、准确度、阴性预测值和阳性预测值，绘制受试者工作特征（receiver operating characteristic, ROC）曲线并计算曲线下面积（area under the curve, AUC）分析各个模型的诊断效能，进一步使用决策曲线分析（decision curve analysis, DCA）评估模型的净获益。结果 在训练集及测试集中总前列腺特异性抗原（total prostate specific antigen, tPSA）在高风险及低风险PCa中的差异有统计学意义（P<0.05）。根据Calinski-Harabasz(CH)值，确定2作为最佳生境亚区数量，通过SHAP分析，其中h2亚区中original＿glszm＿ZoneEntropy特征影响力最大。采用10个分类器进行模型构建，对比生境影像组学模型与临床+前列腺影像报告和数据系统（prostate imaging reporting and data system, PI-RADS）评分模型，生境影像组学模型在测试集中极端随机树（extremely randomized trees, ExtraTrees）模型预测效果最佳，训练集AUC值为0.838[95%置信区间（confidence interval, CI）:0.768～0.908]，测试集AUC值为0.796(95%CI:0.665～0.927)。临床数据和PI-RADS评分模型构建，逻辑回归（logistic regression, LR）模型预测效能最佳，其中训练集AUC值为0.786(95%CI:0.705～0.866)，测试集AUC值为0.719(95%CI:0.550～0.887)，利用DCA评估两者的临床净收益，生境影像组学模型AUC值高于临床+PI-RADS评分模型。结论 基于bpMRI生境成像分析能较准确地诊断PCa的病理分型，有助于PCa的临床诊断及风险预测。
关键词：前列腺癌;;生境成像;;肿瘤内异质性;;聚类分析;;磁共振成像
基金资助：安徽省重点研究与开发计划项目（编号：2022e07020065）;; 马鞍山市科技计划项目（编号：YL-2024-02）;; 安徽医科大学研究生创新研究与实践活动计划项目（编号：YJS20240116）~~
