基于常规 MRI 的临床病理特征与影像组学混合模型预测宫颈癌淋巴结转移及无病生存期的研究

为提高宫颈癌患者淋巴结转移（LNM）诊断准确性及患者预后预测水平，研究人员回顾性分析 485 例宫颈癌患者数据构建临床模型（M1）、影像组学模型（M2）和混合模型（M3）。结果显示 M3 性能良好，且高分与较差无病生存期（DFS）相关，该模型有助于提升宫颈癌诊断及预后预测能力。

　　本研究旨在利用基于磁共振成像（MRI）和临床方面的混合模型，提高宫颈癌患者淋巴结转移（LNM）诊断的准确性以及患者预后预测的准确性。研究人员回顾性分析了 2014 年 1 月至 2021 年 6 月 485 例经病理证实的宫颈癌患者的常规 MR 数据。这些数据被分为训练队列（N = 261）、内部队列（N = 113）和外部验证队列（n = 111）。从 T2 加权成像（T2WI）和对比增强 T1 加权成像（CE-T1WI）的每个感兴趣区域（ROI）共提取了 2194 个特征。临床模型（M1）由鳞状细胞癌抗原、MRI 报告的 LNM、最大肿瘤直径（MTD）等临床病理特征构建而成。影像组学模型（M2）由四个影像组学特征构建。混合模型（M3）则由 M1 的鳞状细胞癌抗原、MRI 报告的 LNM、MTD 以及 M2 的四个影像组学特征构建而成。利用梯度提升决策树（GBDT）算法生成 M1 的临床评分（C-score）、M2 的影像组学评分（R-score）和 M3 的混合评分（H-score）。M3 在训练队列（曲线下面积 AUCs，M3 对比 M1 对比 M2，0.917 对比 0.830 对比 0.788）、内部验证队列（AUCs，M3 对比 M1 对比 M2，0.872 对比 0.750 对比 0.739）和外部验证队列（AUCs，M3 对比 M1 对比 M2，0.907 对比 0.811 对比 0.785）中均表现出良好的性能。此外，在训练队列和内部验证队列中，较高的评分与较差的无病生存期（DFS）显著相关（C-score，P = 0.001；R-score，P = 0.002；H-score，P = 0.006）。影像组学模型能够准确预测宫颈癌患者的 LNM 状态。结合临床和影像组学特征的混合模型是一种提升宫颈癌诊断性能和预测预后的新方法。