编辑推荐：
本研究针对肾上腺腺瘤亚型术前诊断难题，通过多相增强CT影像组学与临床特征结合，构建并验证了高准确性的预测模型，为临床决策提供了有力支持，显著提升了肾上腺腺瘤的术前诊断效能（AUC达0.945-0.963）。
随着医学影像技术的广泛应用，肾上腺腺瘤的检出率逐年上升，其中超过90%的病变被病理分类为肾上腺皮质腺瘤（Adrenocortical Adenomas, ACA），约30%的患者表现为激素分泌腺瘤，对健康造成严重影响，部分患者需手术切除。然而，现有的肾上腺功能评估方法存在侵入性强、成本高、准确性受多种因素影响等局限性。因此，开发一种非侵入性、简化的术前诊断方法迫在眉睫。
为解决这一问题，云南省第一人民医院、昆明医科大学第二附属医院等机构的研究人员开展了一项基于多相增强CT影像组学与临床特征的肾上腺腺瘤亚型术前诊断研究。该研究通过构建并验证预测模型，实现了对醛固酮分泌腺瘤（APA）、皮质醇分泌腺瘤（CPA）和非功能性肾上腺腺瘤（NAA）的高效区分，为临床诊断和治疗决策提供了重要依据。研究成果发表在《BMC Medical Imaging》杂志上。
研究团队采用的主要技术方法包括：从两个三级医疗中心回顾性收集169例患者的影像资料和临床数据，利用半自动轮廓勾画法逐层描绘肿瘤边界并提取影像组学特征，通过支持向量机（SVM）和LASSO递归特征消除算法进行特征选择，并构建基于临床影像学、影像组学以及两者结合的逻辑回归模型。样本队列分别来自云南省第一人民医院和昆明医科大学第二附属医院。
研究结果显示，在训练集、验证集和外部测试集中，基于联合临床影像学和影像组学特征的逻辑回归分类模型对APA、CPA和NAA的AUC值分别为（0.945, 0.927, 0.856）、（0.963, 0.889, 0.887）和（0.940, 0.765, 0.816）。该模型在区分三种肾上腺腺瘤亚型方面表现出色，为临床诊断提供了有力支持。
在讨论部分，研究指出该模型在外部数据集中的表现验证了其良好的泛化能力，并与以往研究相比，在多分类预测肾上腺腺瘤亚型方面具有显著优势。此外，研究还发现年龄、性别和肿瘤大小等临床特征在模型中占据重要权重，与肾上腺腺瘤亚型密切相关。影像组学特征中，10百分位数和灰度共生矩阵（Gray-Level Co-occurrence Matrix, GLCM）特征对模型的贡献显著。这些特征通过反映图像纹理的灰度关系和组织结构复杂性，揭示了腺瘤的细胞组成差异。
尽管本研究通过外部验证展示了模型的有效性，但也存在一些局限性，如样本量有限、回顾性研究设计以及部分患者未接受金标准诊断测试等。未来研究需扩大样本量、开展多中心前瞻性研究，并探索更多模型以进一步优化预测结果。此外，研究仅纳入直径超过1cm的肾上腺肿瘤，对于更小肿瘤的诊断能力尚需进一步探讨。
总之，本研究构建的基于多相增强CT影像组学和临床特征的逻辑回归分类模型，为肾上腺腺瘤亚型的术前诊断提供了一种非侵入性、准确的工具，具有重要的临床应用前景。
