利用MR栖息地放射组学区分不确定型（3级）鼻咽部病变：淋巴组织增生与早期鼻咽癌

《BMC Cancer》：MR habitat radiomics for differentiating indeterminate (Grade 3) nasopharyngeal lesions: lymphoid hyperplasia versus early-stage nasopharyngeal carcinoma

　　

摘要

背景

本研究旨在探讨基于MRI的栖息地放射组学在区分难以判断的3级鼻咽部病变为鼻咽淋巴组织增生还是早期鼻咽癌方面的可行性，同时评估其在诊断不明病例中为放射科医生提供的辅助价值。

方法

在这项回顾性研究中，共纳入138例患有3级鼻咽部病变且接受过增强MRI检查及内镜活检的患者，这些患者被随机分为训练组（n?=?97）和测试组（n?=?41）。从整个病变区域以及通过聚类分析得到的病变内部子区域中提取放射组学特征。放射科医生根据既定的MRI分级系统对病变进行评估。特征选择则通过类内相关系数分析、皮尔逊相关过滤以及最小绝对值收缩和选择回归等方法实现。随后利用多种机器学习分类器构建了栖息地放射组学模型、传统放射组学模型以及临床放射学模型。模型性能通过受试者工作特征曲线下面积（AUC）、校准曲线以及决策曲线分析来评估。同时也在有模型辅助和无模型辅助的情况下评估放射科医生的诊断表现。此外还使用SHapley加性解释方法来研究模型的可解释性。

结果

栖息地放射组学模型在测试组中的AUC值为0.838，这一数值虽然高于传统放射组学模型和临床放射学模型的AUC值，但差异并不具有统计学显著性。在没有模型辅助的情况下，放射科医生的AUC值在0.632到0.828之间；而在有栖息地放射组学模型辅助时，其AUC值则在0.828到0.928之间，其中初级放射科医生的诊断表现提升尤为明显（P?<?0.05）。

结论

基于MRI的栖息地放射组学在区分难以判断的3级鼻咽部病变方面具备一定的应用潜力，不过其独立应用的性能并未在统计学上优于其他对比模型。但在处理复杂病例时，它可以为初级放射科医生提供有效的辅助支持。