T2加权成像直方图分析在子宫内膜癌放射学评估中的诊断价值研究

本研究针对子宫内膜癌（Endometrial cancer）早期诊断的临床挑战，通过回顾性分析70例患者（32例病例组/38例对照组）的盆腔MRI数据，首次系统评估了T2-W（T2-weighted）直方图纹理参数（包括面积、均值、方差及百分位数等）的诊断效能。研究人员采用MaZda 4.6软件进行特征提取，通过ROC曲线和线性判别分析（LDA）发现，面积参数（AUC=0.907）等7项指标具有显著区分价值（p<0.001），LDA模型分类准确率达87.1%。该成果为无创诊断提供了新型影像学生物标志物，有望减少诊断性刮宫等侵入性操作的应用。

　　

子宫内膜癌作为发达国家最常见的妇科恶性肿瘤，其发病率与死亡率持续攀升，但现有诊断方法面临重大挑战。虽然异常子宫出血是典型症状，但临床常用的经阴道超声检查难以准确区分良恶性病变，而确诊依赖的子宫内膜活检不仅带来患者不适，还存在采样误差风险。磁共振成像(MRI)凭借卓越的软组织对比度，已成为术前评估的重要工具，但传统影像解读仍存在主观性。

为突破这些局限，博卢阿班特伊兹特巴伊萨尔大学的研究团队创新性地将放射组学技术应用于子宫内膜癌诊断。他们聚焦T2加权成像(T2-W)的直方图分析，探索这种定量方法能否提升诊断客观性。相关成果发表在《Bratislava Medical Journal》上。

研究采用回顾性设计，纳入2016-2024年间32例经手术确诊的子宫内膜癌患者和38例正常对照。关键技术包括：使用1.5T MRI获取标准化盆腔扫描序列；通过MaZda 4.6软件提取肿瘤最显著层面的12项直方图参数（如面积、方差、百分位数等）；采用独立样本t检验/Mann-Whitney U检验进行组间比较；通过ROC曲线评估诊断效能，并建立线性判别分析(LDA)分类模型。

主要研究结果

人口统计学特征
病例组平均年龄61.4±9.9岁与对照组59.3±10.5岁无显著差异(p=0.392)。87.5%为子宫内膜样腺癌，FIGO分期以I期(62.5%)为主。

直方图参数差异
7项参数显示极显著差异(p<0.001)：肿瘤面积中位数1531.5 vs 286；均值266.09 vs 33,056.5；1^st百分位134 vs 32,868.5。方差参数p=0.003，而偏度(p=0.804)与峰度(p=0.106)无统计学意义。

诊断效能分析
ROC曲线显示面积参数具有最佳鉴别力(AUC=0.907)，在603.5阈值时灵敏度84.4%、特异度78.9%。LDA模型筛选出面积、均值和方差作为关键预测因子，原始数据分类准确率达87.1%，交叉验证后仍保持82.9%。

讨论与意义
该研究首次证实T2-W直方图特征可有效区分子宫内膜癌与正常组织。相较于传统ADC（Apparent Diffusion Coefficient）直方图研究，该方法仅需单一序列即可获得高精度结果，简化了临床流程。面积参数的高AUC值提示肿瘤体积可能是重要生物学标志，而低百分位数（如1^st、10^th）的显著差异反映了肿瘤内部异质性。

研究局限性包括样本量较小(32例)和二维ROI分析的局限性。Aysenur Buz Yasar等作者建议未来应在多中心验证中探索三维全肿瘤分割，并纳入良性病变对照组以提高临床适用性。这项技术的推广可能改变现有诊断路径，特别有助于生育年龄患者保留子宫的决策支持。

值得注意的是，该团队采用的MaZda软件作为开源工具，有利于方法学的标准化推广。结合新兴的深度学习分割算法（如U-Net），未来有望实现从特征提取到风险分层的全自动化流程，为精准医疗时代下的妇科肿瘤诊断提供新范式。