基于随机森林的临床超声定量成像技术在淋巴结转移瘤检测中的应用研究

本研究针对淋巴结(LN)转移瘤临床检测的挑战，开发了一种基于随机森林(RF)的定量超声(QUS)分析方法。通过采集46例患者宫颈/腋窝淋巴结的射频(RF)信号，计算背向散射系数(BSC)和包络统计特征等QUS参数，结合放射组学特征构建分类模型。结果显示，该模型在保持100%敏感性的同时达到67%特异性，AUC达0.91，为临床实现无创、精准的淋巴结转移诊断提供了新策略。

　　

淋巴结转移是癌症预后评估的关键指标，但现有影像检测方法各存局限：MRI耗时昂贵，PET/CT存在辐射风险且特异性不足（FDG-PET/CT特异性仅65.5%），而常规超声依赖主观判读。尤其当转移灶存在于<10 mm淋巴结时，传统尺寸标准更易漏诊。定量超声(QUS)技术通过分析射频(RF)信号中的微结构信息，为破解这一临床难题提供了新思路。

美国Stony Brook Medicine与Weill Cornell Medicine的研究团队在《Ultrasound in Medicine》发表的研究中，创新性地将临床超声设备(10 MHz)与机器学习结合。研究纳入46例患者淋巴结数据，采用参考体模法消除系统依赖性，计算背向散射系数(BSC)中的斜率/截距参数，以及基于同调K分布(HK)的包络统计特征。通过随机森林模型整合QUS参数与放射组学特征（短轴径及长短轴比），实现了对转移淋巴结的高精度识别。

【LN成像】采用临床超声系统采集平行RF帧，通过信噪比(SNR)>20 dB的筛选标准保留322帧有效数据，确保信号质量满足QUS分析要求。

【结果】研究发现：①除有效散射体直径(p=0.70)外，其余QUS参数在转移/良性淋巴结间均具显著差异(p≤10^?4)；②基于HK分布的参数μ（相干散射成分）和σ（散射体分布）在转移灶区域呈现特异性改变；③最优模型组合QUS与放射组学特征，在100%敏感性阈值下特异性达67%，AUC 0.91，显著优于传统超声指标（AUC 0.59-0.87）。

【讨论】该研究突破性地验证了临床频率QUS的可行性：①首次证实10 MHz系统可捕获淋巴结微结构特征；②HK分布参数对转移灶的敏感性提示肿瘤微环境存在特殊散射特性；③随机森林的集成学习策略有效融合多模态特征，较前期线性判别分析(AUC 0.94-0.96)更具临床适用性。这种无创检测技术有望指导精准活检，避免65%的良性淋巴结不必要切除，对癌症分期与治疗决策具有重要价值。研究局限性在于样本量较小，未来需扩大验证队列并探索三维QUS扫描方案。