基于多参数MRI的PI-RADS v2.1对临床有意义前列腺癌的诊断价值冯潇 陈欣 周鹤 洪逸 朱春霞 卢丽冰 谢斯雨 张斯竣 龙莉玲
中华放射学杂志2023年 57卷 11期
DOI: 10.3760/cma.j.cn112149-20230822-00117
目的
评估多参数MRI(mpMRI)前列腺影像报告与数据系统第2.1版(PI-RADS v2.1)对临床有意义前列腺癌(csPCa)的诊断价值。
方法
双向性收集2015年6月至2020年12月因前列腺特异性抗原升高在广西医科大学第一附属医院行前列腺mpMRI的561例患者,根据病理结果分为csPCa组(276例)和非csPCa组(285例)。由低、高年资影像科医师各1名依据PI-RADS v2.1评分标准进行评分。测量前列腺体积并计算前列腺特异性抗原密度(PSAD)。对扩散加权成像及动态增强MRI进行图像后处理,测量主要病灶的定量参数,包括表观扩散系数(ADC)、转运常数(Ktrans)、速率常数(Kep),采用Mann-Whitney U检验比较2组间各参数的差异。采用logistic回归分析筛选csPCa的最佳预测因子,建立多参数预测模型。绘制受试者操作特征曲线评估PI-RADS v2.1及预测模型诊断csPCa的效能,通过DeLong检验比较曲线下面积(AUC)。
结果
csPCa组的高年资医师PI-RADS评分、PSAD、Ktrans、Kep高于非csPCa组,ADC值低于非csPCa组,差异有统计学意义(Z=-16.69、-12.49、-3.43、-4.67、13.91,P均<0.001)。logistic回归分析显示高年资医师PI-RADS评分(OR=3.064,95%CI 2.428~3.866,P<0.001)、PASD(OR=1.554,95%CI 1.170~2.064,P=0.002)、ADC值(OR=0.095,95%CI 0.032~0.288,P<0.001)是csPCa的最佳预测因素,构成多参数预测模型。低、高年资医师PI-RADS评分及预测模型诊断csPCa的AUC分别为0.861(95%CI 0.830~0.892)、0.895(95%CI 0.868~0.922)、0.923(95%CI 0.898~0.944),两两间差异均有统计学意义(低、高年资医师PI-RADS评分间Z=3.24,P=0.001;低年资医师PI-RADS评分与预测模型间Z=5.54,P<0.001;高年资医师PI-RADS评分与预测模型间Z=4.20,P<0.001)。
结论
基于mpMRI,低、高年资医师应用PI-RADS v2.1对csPCa均有较高的诊断效能,多参数联合模型对csPCa的诊断效能最佳。
基于MRI的临床-影像组学模型对前列腺癌根治术后生化复发的预测价值季妍廷 包婕 乔晓梦 曹昌浩 胡春洪 王希明
中华放射学杂志2023年 57卷 11期
DOI: 10.3760/cma.j.cn112149-20230620-00429
目的
构建基于MRI的临床-影像组学模型,并探讨其对前列腺癌根治术后生化复发(BCR)的预测价值。
方法
回顾性分析2015年1月至2018年12月在苏州大学附属第一医院接受根治性前列腺切除术并具有完整随访数据的212例前列腺癌患者,采用Python语言的random工具包对患者以7∶3的比例进行无放回随机采样,分为训练集(149例)和测试集(63例)。对患者进行术后随访,随访终点为发生BCR或至少3年,训练集中50例患者发生BCR,测试集中21例患者发生BCR。提取训练集患者术前T2WI、扩散加权像和表观扩散系数图中主病灶区域的影像组学特征,采用无监督的Kmeans聚类算法进行特征筛选,筛选出的特征采用多变量Cox回归模型进行模型拟合,构建影像组学模型。应用单因素Cox回归分析筛选与BCR相关的术前临床资料,联合影像组学标签(RadScore)构建临床-影像组学模型。在测试集中以患者术后3年是否发生BCR为界,构建时间依赖性受试者操作特征(ROC)曲线,计算曲线下面积(AUC),评估影像组学模型、临床-影像组学模型以及根治术后前列腺癌风险评估(CAPRA-S)评分对发生BCR的预测效能。采用Harrell一致性指数(C-index)评估模型预测BCR一致性;使用校准曲线评估模型变异程度;应用决策曲线评估预测模型的临床应用价值。
结果
共筛选出26个影像组学特征建立影像组学模型。单因素Cox回归分析筛选出的术前临床特征包括术前前列腺特异性抗原水平(HR=1.006,95%CI 1.002~1.009,P=0.001)、穿刺活检Gleason评分(HR=1.422,95%CI 1.153~1.753,P=0.001)、临床T分期(HR=1.501,95%CI 1.238~1.822,P<0.001),联合RadScore构建临床-影像组学模型。多因素Cox回归结果显示RadScore是根治性前列腺切除术术后BCR的独立预测因素(HR=51.214,95%CI 18.226~143.908,P<0.001)。测试集中,影像组学模型、临床-影像组学模型和CAPRA-S评分的时间(3年)依赖性ROC曲线的AUC分别为0.824(95%CI 0.701~0.948)、0.841(95%CI 0.714~0.968)、0.662(95%CI 0.518~0.806)。影像组学模型、临床-影像组学模型和CAPRA-S评分的C-index分别为0.784(95%CI 0.660~0.891)、0.802(95%CI 0.637~0.912)、0.650(95%CI 0.601~0.821)。校准曲线表明影像组学模型、临床-影像组学模型和CAPRA-S评分对BCR的预测概率和实际概率一致性良好(χ2=7.64、10.61、6.37,P=0.465、0.225、0.498)。决策曲线表明临床-影像组学模型和影像组学模型的临床净效益明显高于CAPRA-S评分,当阈值概率为0.20~0.30、0.40~0.50以及>0.55时,临床-影像组学模型的临床净效益高于影像组学模型。
结论
临床-影像组学模型可有效预测前列腺癌患者根治术后BCR,预测效能优于影像组学模型和CAPRA-S评分。
基于深度学习重建的前列腺T2WI的图像质量和对移行带前列腺癌的诊断效能杨博文 程昊 刘明 侯惠民 王淼 张晨 李春媚 陈敏
中华放射学杂志2023年 57卷 11期
DOI: 10.3760/cma.j.cn112149-20230703-00452
目的
评估基于深度学习方法重建的前列腺T2WI(简称深度学习T2WI)的图像质量及对移行带前列腺癌(PCa)的诊断效能。
方法
前瞻性连续收集2020年12月至2022年9月北京医院因前列腺特异性抗原水平升高而行前列腺MRI的79例患者。扫描序列包括横断面常规T2WI、深度学习T2WI和扩散加权成像,记录扫描时间。对图像质量进行主观评分,评价项目包括图像质量、诊断置信度、噪声、伪影、图像清晰度及病变可检测性。对图像质量进行客观评价,计算信噪比(SNR)及对比信噪比(CNR)。对移行带病变分别采用深度学习T2WI和常规T2WI进行双参数MRI前列腺影像报告和数据系统2.1版(PI-RADS v2.1)评分。对深度学习T2WI和常规T2WI的图像质量主、客观评价指标采用Wilcoxon符号秩和检验进行比较。对于移行带病变,以病理结果为金标准,基于病灶水平(移行带全部病变)和患者水平(移行带最高分病变),分别绘制受试者操作特征曲线,评估深度学习T2WI和常规T2WI的PI-RADS评分对移行带PCa的诊断效能,采用DeLong检验比较曲线下面积(AUC)。
结果
深度学习T2WI的扫描时间为1 min 38 s,常规T2WI为4 min 37 s,缩短了64.6%。深度学习T2WI与常规T2WI图像质量各主观评价指标的评分均为5(4,5)分,2组图像间图像质量和病变可检测性评分差异有统计学意义(Z=-2.32、-2.36,P=0.020、0.018),其他评价指标评分差异均无统计学意义(P>0.05)。深度学习T2WI和常规T2WI的SNR分别为17.11(14.09,21.92)、9.15(7.16,11.17),差异有统计学意义(Z=-7.72,P<0.001)。深度学习T2WI和常规T2WI的CNR分别为20.78(13.42,31.42)、11.05(7.82,16.25),差异有统计学意义(Z=-7.54,P<0.001)。基于病灶水平(40个PCa和48个良性病灶),深度学习T2WI和常规T2WI的双参数PI-RADS评分诊断移行带PCa的AUC分别为0.915(95%CI 0.856~0.975)、0.916(95%CI 0.857~0.976),差异无统计学意义(Z=0.03,P=0.973)。基于患者水平(33例PCa和46例良性病灶患者),深度学习T2WI和常规T2WI的双参数PI-RADS评分的AUC分别为0.921(95%CI 0.857~0.984)、0.939(95%CI 0.886~0.992),差异无统计学意义(Z=0.59,P=0.558)。
结论
与常规T2WI相比,前列腺深度学习T2WI能在保证图像质量的同时缩短扫描时间,且对移行带PCa的诊断效能相当。
MRI影像学淋巴结包膜外侵犯对前列腺癌远处转移的预测价值申凡 韩晔 肖遵健 崔宝 焦健华 张景良 秦卫军 宦怡 任静
中华放射学杂志2023年 57卷 11期
DOI: 10.3760/cma.j.cn112149-20230628-00446
目的
探讨MRI影像学淋巴结包膜外侵犯(rENE)对前列腺癌(PCa)远处转移的预测价值。
方法
回顾性分析2017年1月至2022年4月空军军医大学西京医院初诊行MRI和68Ga-前列腺特异性膜抗原(PSMA)PET/CT检查的107例临床诊断N1期PCa患者。根据MRI评估rENE情况,根据68Ga-PSMA PET/CT结果分为有远处转移组(M1组,87例)和无远处转移组(M0组,20例)。采用独立样本t检验、Mann-Whitney U检验或χ2检验比较组间临床指标和rENE的差异,行多因素logistic回归分析筛选影响远处转移的独立危险因素。采用受试者操作特征(ROC)曲线评价独立危险因素对PCa远处转移的预测效能。
结果
M1组rENE阳性72例(82.8%)、rENE阴性15例(17.2%),M0组rENE阳性7例(35.0%)、rENE阴性13例(65.0%),组间rENE差异有统计学意义(χ2=19.20,P<0.001)。M1组与M0组间总前列腺特异性抗原水平、国际泌尿病理协会分级、T分期差异均有统计学意义(P<0.05)。多因素logistic回归分析显示rENE(OR=6.248,95%CI 1.807~21.600,P=0.004)是PCa远处转移的独立危险因素,rENE诊断PCa远处转移的ROC曲线下面积为0.739(95%CI 0.607~0.871),灵敏度为82.8%,特异度为65.0%。
结论
rENE是PCa远处转移的独立预测因素,预测远处转移具有较高的效能,相比于rENE阴性患者,rENE阳性患者的侵袭程度更高,更易出现远处转移病灶。