编辑推荐：
本综述聚焦 MRI 衍生的放射组学在术前鉴别高级别与低级别透明细胞肾细胞癌（ccRCC）的诊断效能。通过系统检索及 Meta 分析发现，放射组学模型及结合临床、影像特征的联合模型均具潜力，且联合模型性能更优，为 ccRCC 无创分级提供新方向。
目的
高级别透明细胞肾细胞癌（ccRCC）与较低的生存率和更侵袭性的疾病进展相关。本研究旨在评估基于 MRI 的放射组学作为一种无创方法，在术前鉴别高级别与低级别 ccRCC 的诊断性能。
方法
研究人员在 PubMed、Scopus 和 Embase 数据库中进行了系统检索。采用 QUADAS-2 和 METRICS 进行质量评估。使用双变量模型估计合并灵敏度、特异性、阳性似然比（PLR）、阴性似然比（NLR）、诊断优势比（DOR）和曲线下面积（AUC）。对放射组学模型和联合模型（将临床和放射学特征与放射组学相结合）分别进行 Meta 分析。进行亚组分析以确定异质性的潜在来源，同时进行敏感性分析以识别潜在的异常值。
结果
共纳入 15 项研究，包含 2,265 例患者，其中 7 项研究和 6 项研究分别用于放射组学模型和联合模型的 Meta 分析。放射组学模型的合并估计值如下：灵敏度为 0.78，特异性为 0.84，PLR 为 4.17，NLR 为 0.28，DOR 为 17.34，AUC 为 0.84。对于联合模型，合并灵敏度、特异性、PLR、NLR、DOR 和 AUC 分别为 0.87、0.81、3.78、0.21、28.57 和 0.90。在较小队列中训练的放射组学模型表现出比在较大队列中训练的模型显著更高的合并特异性和 PLR。此外，基于单用户分割的放射组学模型与多用户分割相比，合并特异性显著更高。
结论
放射组学已显示出作为 ccRCC 分级无创工具的潜力，联合模型实现了更优越的性能。
