基于多模态磁共振成像（MRI）的判别图，整合了临床-放射学、放射组学及生物学特征，用于区分孤立性纤维瘤与非典型脑膜瘤

《Scientific Reports》：Multimodal MRI-based nomogram integrating clinical-radiological, radiomic, and habitat features to discriminate solitary fibrous tumors from atypical meningiomas

　　

摘要

本研究旨在开发并验证一种融合模型，该模型结合了临床放射学特征、放射组学特征以及磁共振成像（MRI）中的肿瘤微环境特征，以区分颅内孤立性纤维瘤（ISFTs）和非典型脑膜瘤（ATMs）。这项回顾性研究共纳入155名患者（39例ISFTs，116例ATMs），分为训练组（n=108）和测试组（n=47）。研究人员评估了临床放射学因素，并利用多变量逻辑回归构建了临床放射学模型（CRM）。通过四种分类器，从整个肿瘤中提取了放射组学特征，从肿瘤亚区域中提取了微环境特征，分别构建了放射组学模型（RM）和微环境模型（HM）。最终开发出了整合所有这些特征的临床放射学-微环境-放射组学模型（CHRM）。评估模型性能时使用了接收者操作特征曲线下面积（AUC）和综合鉴别能力提升（IDI）指标。结果显示，临床放射学模型能够识别出囊肿/坏死现象以及缺乏硬膜尾征作为ISFTs的独立预测因素。在测试组中，微环境模型（HM）的AUC为0.829，高于临床放射学模型（CRM）的0.696和放射组学模型（RM）的0.764。综合模型（CHRM）的表现最佳，其AUC分别为0.928（训练组）和0.888（测试组），且IDI显著提高（P<0.05）。微环境模型揭示了ISFTs与ATMs在肿瘤空间异质性方面的差异，而综合模型在术前鉴别能力方面表现更优。这些发现对治疗计划具有临床价值，但未来仍需进一步验证以确认其普遍适用性。