基于多模态常规MRI的影像组学预测胶质瘤术后早期复发的价值

摘要

目的:探讨基于多模态常规MRI在术前无创预测胶质瘤术后早期复发的价值。方法:回顾性分析83例符合纳入标准的脑胶质瘤患者的临床及MRI资料。使用Kruskal-Wallis检验方法比较复发组与非复发组的临床因素。通过联影公司开发的深度学习VB-Net算法实现胶质瘤患者全瘤病灶的自动分割并采用URP平台在术前T₁CE及T₂WI图像上提取影像组学特征,利用最大相关和最小冗余和最小绝对收缩选择算子筛选最佳的特征组合。采用Logistic回归及五折交叉验证分析影像组学特征并构建4个预测模型:T₂WI模型,T₁CE模型,T₂WI+T₁CE联合模型,影像-临床融合模型。以受试者工作曲线下面积（AUC）评估各模型诊断效能,并统计模型敏感度及特异度。使用Delong检验比较模型诊断效能。结果:脑胶质瘤术后复发40例,非复发43例。临床因素中胶质瘤级别在两组中差异具有统计学意义（P<0.05）,而性别、年龄差异无统计学意义（P>0.05）。在单序列影像组学模型中,T₁CE模型（AUC:0.804）优于T₂WI模型（AUC:0.702）;多模态联合模型AUC高于单序列预测模型（AUC、敏感度、特异度分别为0.849、72.5%、79.1%）。此外,影像-临床融合模型在预测胶质瘤术后早期复发中亦具有良好预测效能,AUC、敏感度、特异度分别为0.839、72.5%、79.1%,但与多模态联合模型效能比较差异无统计学意义（P=0.303）。结论:多模态常规MRI组合模型可以更好地预测胶质瘤术后早期复发,纳入胶质瘤级别的影像-临床融合模型诊断效能并未优于影像组学模型。

关键词

胶质瘤 / 肿瘤复发 / 磁共振成像 / 影像组学 / 多模态