《International Dental Journal》：Non-Contrast CT Habitat Radiomics to Differentiate Parotid Pleomorphic Adenoma From Warthin Tumour
编辑推荐：
中文翻译（研究人员替代“我们”）：
**摘要**
**背景**：术前区分多形性腺瘤（pleomorphic adenoma, PA）与沃辛瘤（Warthin tumour, WT）对制定手术策略具有重要临床意义。研究人员旨在比较平扫CT上候选瘤周扩张距离，
中文翻译（研究人员替代“我们”）：
**摘要**
**背景**：术前区分多形性腺瘤（pleomorphic adenoma, PA）与沃辛瘤（Warthin tumour, WT）对制定手术策略具有重要临床意义。研究人员旨在比较平扫CT上候选瘤周扩张距离，并开发整合常规影像组学、瘤内栖息地与瘤周栖息地信息的影像组学–临床联合模型，用于PA与WT的鉴别。
**方法**：这项单中心回顾性研究纳入157例经病理确诊的PA（n = 93）或WT（n = 64）患者，按8:2随机一次性划分为训练队列（n = 125）和测试队列（n = 32）。在平扫CT上分割肿瘤感兴趣区，并分别扩张1、3和5 mm。采用高斯混合模型（Gaussian mixture model, GMM）聚类定义栖息地亚区，最优聚类数由Calinski–Harabasz指数确定。通过PyRadiomics共提取3381个特征，并依次经t检验、Pearson相关分析、LASSO回归和最小冗余最大相关性（minimum redundancy maximum relevance, mRMR）进行降维。使用袋装（bagging）分类器构建6个预测模型，并通过ROC、校准分析、决策曲线分析（decision curve analysis, DCA）和SHAP进行评估。
**结果**：病例级聚类过程生成3个瘤内栖息地（H1–H3）和2个瘤周栖息地（P1–P2）。在评估的距离中，3 mm扩张在训练队列中取得最高AUC（0.907），而3 mm与5 mm扩张在测试队列中表现相当（AUC分别为0.850和0.852）。瘤内栖息地模型在训练和测试队列中的AUC分别为0.883和0.838。联合影像组学–临床模型在测试队列中取得了最高的观测AUC（0.947）。Bootstrap比较提示其优于瘤内栖息地模型（ΔAUC = 0.109，P = .044），而相应的DeLong比较未达到统计学显著性（P = .084）。决策曲线分析提示在多个阈值范围内具有探索性净获益。
**结论**：3 mm瘤周扩张在显示最高训练AUC且测试性能与5 mm相当后被选用于下游栖息地分析。联合影像组学–临床模型显示出有前景的鉴别能力，但在临床应用前需进行重新校准和外部验证。
（以下为论文解读正文）
**一、研究背景与问题**
腮腺是最大的唾液腺，起源于腮腺的唾液腺肿瘤约占全部唾液腺肿瘤的80%。其中，多形性腺瘤（pleomorphic adenoma, PA）是最常见的病理类型，又称良性混合瘤，约占腮腺肿瘤的多数；沃辛瘤（Warthin tumour, WT）位居第二，约占15%。尽管两者均表现为腮腺区软组织肿块，且发病率近年呈上升趋势，但其流行病学、病理学、生物学行为及手术方式存在显著差异。PA多见于30–50岁女性，表现为缓慢生长的无痛性孤立肿块，常位于浅叶，组织学上由黏液样、软骨样间质与上皮、肌上皮成分混杂，包膜常不完整，具有非低的复发风险及恶变潜能，报道中延迟诊断后恶变率可达20%。WT则显著多见于有长期吸烟史的50–70岁男性，可多发或双侧，常累及腺体后下极，组织学上为双层嗜酸性上皮衬覆的乳头状–囊性结构，周围为致密淋巴样间质，包膜完整、血供丰富，复发率极低、恶变潜能可忽略。因此，PA通常需行保留面神经的浅叶或全腮腺切除，而WT可行更保守的肿瘤剜除术甚至主动监测。术前准确鉴别两者对手术规划、面神经保全和患者咨询至关重要。
既往鉴别手段存在局限。磁共振成像（magnetic resonance imaging, MRI）软组织对比优良，但采集复杂、序列异质性高、费用较高；细针穿刺细胞学（fine-needle aspiration cytology, FNAC）虽然特异度较高，但存在非诊断性和不确定结果。影像组学可无创量化肿瘤异质性，但既往研究多使用全病灶感兴趣区，可能平均了空间上不同的瘤内和瘤周表型。栖息地成像通过将肿瘤划分为表型不同的亚区来克服这一局限；瘤周区域包含间质、微血管和免疫细胞浸润，可提供补充信息。本研究的方法学贡献不在于单独使用栖息地或瘤周影像组学，而在于将病例级栖息地聚类扩展到瘤周区域，将其细分为P1、P2成像簇，并比较1、3、5 mm扩张距离用于PA–WT鉴别。
**二、研究目的与方法概述**
研究目的包括：（1）比较1、3、5 mm瘤周扩张距离并选择候选距离；（2）构建常规、瘤内栖息地、瘤周栖息地影像组学模型；（3）开发整合影像组学与临床变量的联合模型。研究经机构伦理委员会批准（批准号：2025-Ethics-28），免除书面知情同意。连续筛查2019年1月至2025年8月行腮腺肿块手术切除的患者，纳入标准：术后病理为PA或WT；术前两周内行平扫面部CT；病灶无明显伪影；临床、影像、病理记录完整。排除数据不全、图像质量差或CT前已行FNAC者。最终157例（PA 93例，WT 64例）按8:2随机一次性分为训练队列（n = 125）和测试队列（n = 32）。CT采集使用Philips MX 16排扫描仪，采用1 mm软组织重建，重采样为0.5×0.5×0.75 mm各向异性体素，z-score归一化，25 HU固定离散化，强度范围归一化至1–500。两名放射科医生独立勾画肿瘤三维感兴趣区，计算组内相关系数（intraclass correlation coefficient, ICC），保留ICC ≥ 0.75的特征。采用SimpleITK物理距离形态学扩张生成1、3、5 mm瘤周区域。栖息地生成采用基于体素的高斯混合模型（Gaussian mixture model, GMM）聚类，聚类数由Calinski–Harabasz指数确定，分别对瘤内和瘤周区域进行病例级聚类。共提取3381个特征，经ICC筛选、t检验、Pearson相关过滤、LASSO回归、mRMR降维，最终联合模型使用top 20特征。临床变量经单因素和多因素logistic回归筛选，保留年龄、吸烟史、叶位置。使用袋装（bagging）分类器构建6个模型，以AUC、校准曲线、决策曲线分析（DCA）和SHAP评估。
**三、主要结果**
**1. 患者特征与候选瘤周距离选择**
157例患者中，训练与测试队列基线特征除肿瘤大小外均衡（测试队列更大，3.13 ± 0.80 vs 2.60 ± 1.04 cm，P = .003）。单因素分析显示性别、年龄、吸烟史、饮酒、肿瘤最大径、前后位置、叶位置在PA与WT间有差异；多因素logistic回归保留年龄、吸烟史和叶位置作为临床预测因子。候选距离比较显示，3 mm模型在训练队列获得最高AUC（0.907，95% CI 0.850–0.965），5 mm为0.904，1 mm为0.868；测试队列AUC分别为0.836、0.850和0.852，95% CI重叠。因此3 mm并非普遍最优距离，而是基于最高训练AUC和与5 mm相当的测试性能选定的实用性开发距离。
**2. 栖息地亚区识别与特征选择**
病例级GMM聚类在瘤内生成3个亚区（H1–H3），在瘤周生成2个亚区（P1–P2）。代表性影像组学特征包括DependenceEntropy_H3、Skewness_H1、SmallAreaLowGrayLevelEmphasis_P2、RootMeanSquared_P1等。由于缺乏经外部验证的跨患者标签统一规则，H1–H3和P1–P2仅为描述性病例级成像簇标签，不应理解为经组织学验证的组织分区。
**3. 机器学习算法选择与模型性能**
在9种候选分类器（logistic回归、GBDT、XGBoost、朴素贝叶斯、高斯朴素贝叶斯、决策树、多层感知机、随机梯度下降、随机森林袋装集成）中，袋装集成在测试队列表现最稳定（AUC = 0.913，灵敏度0.846，特异度0.737），而XGBoost训练AUC高但测试AUC降至0.883且特异度不均衡。因测试队列用于选择分类器，测试指标被视为探索性结果。
6个模型中，联合影像组学–临床模型表现最佳：训练AUC为0.979（灵敏度96.1%，特异度87.0%），测试AUC为0.947（95% CI 0.858–1.000，灵敏度84.6%，特异度84.2%）。Bootstrap比较提示其测试AUC高于瘤内栖息地模型（ΔAUC = 0.109，P = .044），但DeLong比较未达显著（P = .084）。传统影像组学模型测试AUC为0.875，特异度高（0.947）但灵敏度低（0.692）；瘤内栖息地模型测试AUC为0.838；瘤周栖息地模型测试AUC为0.850，特异度高达1.000但灵敏度仅0.539。
**4. 校准与决策曲线分析**
训练队列校准截距为?0.021、斜率为0.462；测试队列截距为?2.067、斜率0.602，校准曲线呈S形，Hosmer–Lemeshow检验显著，表明预测概率与实际风险存在明显失配，模型输出不能直接作为校准后的临床风险概率。DCA提示联合模型在阈值概率约0.2–0.8范围内具有最高观测净获益，但属探索性结果。
**5. SHAP解释**
SHAP分析显示，联合模型中RadScore的平均绝对SHAP值最大，其次为年龄、深叶位置（二元指示变量）和吸烟史，提示影像组学评分是主要贡献因子，临床变量提供补充信息。
**四、讨论与结论总结**
讨论部分指出，本研究的主要方法学贡献是将病例级栖息地聚类延伸至细分瘤周区域并比较三种扩张距离。3 mm被选为实用性开发距离，但并未显著优于5 mm。瘤内和瘤周栖息地特征可能反映肿瘤异质性，但缺乏跨患者标签统一和空间配准的组织学验证，生物学解释仍属推测。传统全病灶模型可能因平均化而掩盖局部异质性。联合模型的高AUC具有吸引力，但单次划分、测试集参与模型选择、校准不佳及缺乏外部验证限制了其泛化性。研究局限性包括单中心回顾性设计、样本量中等、未进行重复或嵌套验证、GMM聚类未实施跨患者标签统一、仅分析平扫CT、排除FNAC患者可能引入选择偏倚、手动分割影响可重复性（ICC ≥ 0.75阈值虽应用但未在分析输出中保留特征级ICC值）、未行外部验证。
研究结论：本研究提出了基于平扫CT的栖息地影像组学框架用于鉴别PA与WT。3 mm扩张被选为实用性开发距离，联合影像组学–临床模型显示出有前景的观测鉴别能力。然而，单次划分评估、基于测试集表现的模型选择、未经验证的跨患者栖息地标签等效性、校准不佳以及缺乏外部验证，均使该模型目前尚不能用于临床。后续需进行重复验证、明确的簇标签统一、重新校准及多中心外部测试。
