基于静脉期CT的肿瘤栖息地放射组学在鉴别腹膜后无脂肪型去分化脂肪肉瘤与平滑肌肉瘤中的应用

《BMC Medical Imaging》：Venous-phase CT-based tumor habitat radiomics for differentiating retroperitoneal non-fatty dedifferentiated liposarcoma from leiomyosarcoma

　　

摘要

目的

利用多期CT建立基于肿瘤栖息地的影像组学（H-Rad）模型，并评估源自平扫（NP）、动脉期（AP）和静脉期（VP）图像的栖息地特征在鉴别腹膜后非脂肪性去分化脂肪肉瘤（DDL）与平滑肌肉瘤（LMS）中的诊断价值。

方法

本回顾性研究纳入166例患者（102例DDL，64例LMS）。在最大轴位CT层面进行肿瘤分割，并使用Simple Linear Iterative Clustering（SLIC）超像素分割和K-means聚类将肿瘤划分为三个栖息地子区域。从各期所有子区域中提取影像组学特征。对各子区域独立进行LASSO回归特征选择后，分别针对三个CT期各栖息地子区域建立并验证XGBoost模型。采用受试者工作特征曲线下面积（AUC）和SHapley Additive exPlanations（SHAP）可解释性进行性能评估。

结果

源自增强CT的栖息地影像组学模型通常表现出比平扫图像更高的判别性能。VP-ROI2模型取得了最佳诊断性能，在测试队列中AUC为0.834（95% CI: 0.713–0.950），准确率为0.820，敏感率为0.871，特异率为0.737。VP-ROI2在名义上优于NP-ROI2（P?=?0.048），但经FDR校正后差异不再具有统计学显著性（校正P?=?0.173）。ROI2在动脉期和静脉期图像中均为最具判别力的栖息地子区域。SHAP分析识别出original_shape_MajorAxisLength和基于小波的纹理特征为最具影响力的预测因子。

结论

基于多期CT的肿瘤栖息地影像组学可通过量化瘤内异质性，实现非脂肪性DDL与LMS的非侵入性鉴别。静脉期中度衰减子区域（ROI2）具有最高的诊断性能（AUC?=?0.834），可作为术前肿瘤分型的潜在影像学生物标志物。临床应用前仍需进一步验证。