突破传统分级：MRI 影像组学助力前列腺癌筛状生长模式精准鉴别

在前列腺癌风险评估中，鉴别筛状生长（GP4Crib+）与非筛状生长及 Gleason 3 模式意义重大。研究人员利用 MRI 影像组学展开研究，模型能以中等精度区分相关模式，90th百分位数 ADC 是关键特征，为风险评估提供新视角。

　　在前列腺癌的诊疗领域，精准判断癌症的生长模式对治疗决策和患者预后意义非凡。传统的 Gleason 分级在评估前列腺癌时，难以精确区分不同的生长模式，尤其是在判断筛状生长模式（GP4Crib⁺）与非筛状生长模式（GP4Crib^-）以及 Gleason 3 模式（GP3）时存在局限。对于高风险前列腺癌患者，治疗方案相对明确；但对于中风险患者而言，病情的多样性使得治疗决策变得复杂。若能准确排除筛状生长模式，部分中风险患者可选择更保守的监测策略，避免过度治疗。然而，目前在国际泌尿病理学会（ISUP）分级为 2 级的前列腺癌患者中，由于 Gleason 4 模式在整个病灶体积中占比小于 50%，通过组织病理学分析难以检测出筛状生长模式的存在。因此，寻找一种可靠的方法来区分这些生长模式迫在眉睫。

荷兰癌症研究所（The Netherlands Cancer Institute）等机构的研究人员开展了一项旨在利用 MRI 影像组学区分前列腺癌筛状生长与非筛状生长模式的研究。他们通过一系列实验，开发出基于 MRI 影像组学特征的逻辑回归模型，该模型能以中等精度区分 GP4Crib⁺与 GP3/GP4Crib^-模式，其中 90^th百分位数 ADC 是最具预测性的特征。这一研究成果发表在《Magnetic Resonance Materials in Physics, Biology and Medicine》上，为前列腺癌的精准诊疗提供了新的思路和方法，有助于改善前列腺癌患者的治疗决策和预后。

研究人员采用了以下关键技术方法：

1. 样本选取：回顾性纳入 291 例经活检证实患有前列腺癌且术前进行过 MRI 检查，并在 2010 年 1 月至 2020 年 12 月期间接受机器人辅助根治性前列腺切除术的患者。
2. MRI 数据采集与处理：使用 1.5T 和 3T 扫描仪获取 MRI 扫描数据，包括轴向 T2 加权（T2w）图像、表观扩散系数（ADC）图和分数血容量（fBV）图。对数据进行刚性配准、归一化等处理。
3. 病理标本处理与分析：对前列腺癌根治术标本进行福尔马林固定、切片，由泌尿病理学家进行 Gleason 分级，并在全切片标本上分割出不同的组织学区域，包括 GP3、GP4Crib^-和 GP4Crib⁺区域。
4. 影像组学特征提取与模型构建：从处理后的 MRI 区域提取形状、一阶和纹理等特征，利用 mRMR 算法进行特征选择，构建逻辑回归模型，并进行模型开发和验证。

研究结果如下：

1. 数据预处理结果：在 291 例患者的组织学全切片标本上，最初共分割出 592 个区域，包括 GP3（264 个）、GP4Crib^-（238 个）和 GP4Crib⁺（90 个）。经过侵蚀处理后，去除了 107 个区域，另有 20 个区域因无法进行影像组学提取而被丢弃，最终从剩余的 465 个 MRI 区域提取特征。这些区域被分为训练集（60%）、验证集（20%）和测试集（20%）12。
2. 模型性能评估：基于影像组学的逻辑回归模型在验证集中表现最佳的参数设置为：最优 L2 正则化参数值为 1，类别权重方案为 “balanced”，最大迭代次数为 10，且仅使用 90^th百分位数 ADC 作为预测特征。在测试集中，该模型的平衡准确率为 0.65（95% 置信区间：0.48 - 0.79），超过基线平衡准确率 0.50 达 0.15（p<0.05）；受试者工作特征曲线下面积（ROC AUC）为 0.75（95% 置信区间：0.54 - 0.92），精确召回曲线下面积（PR AUC）为 0.35（95% 置信区间：0.14 - 0.68），敏感性为 0.70（95% 置信区间：0.38 - 1），特异性为 0.59（95% 置信区间：0.48 - 0.69）34。
3. 模型预测分析：回归分析显示，90^th百分位数 ADC 特征的截距值 w₀=1.96，系数 w₁=-1.74，表明该特征与区域被判定为 GP4Crib⁺的概率呈负相关。当 90^th百分位数 ADC 区域值为 1.13×10^-3mm/s²时，预测概率为 50%。因此，90^th百分位数 ADC<1.13×10^-3mm/s²的区域被标记为筛状生长，而大于该值的区域被标记为非筛状生长5。

研究结论和讨论部分表明，该研究开发的基于 MRI 影像组学的逻辑回归模型，能够区分前列腺癌的筛状和非筛状生长模式，90^th百分位数 ADC 是最具预测性的特征。这一研究成果虽然只是探索性分析，但为前列腺癌的精准诊疗提供了重要依据，支持了 ADC 作为筛状生长识别生物标志物的潜力。不过，研究也存在局限性，如患者数量有限且来自单一中心，缺乏外部验证，以及在配准过程中存在不确定性等。未来研究应聚焦于利用这些影像特征更好地定位筛状区域，为活检靶向或放疗计划提供更有用的信息，推动前列腺癌诊疗技术的进一步发展。