目的探讨小视野扩散峰度成像(reduced field-of-view diffusion kurtosis imaging,rFOV-DKI)技术在鉴别子宫内膜样腺癌组织学分级中的潜力。材料与方法本研究共纳入48例经病理证实的子宫内膜样腺癌患者。依据国际妇产科联盟(The International Federation of Gynecology and Obstetrics,FIGO)分级法,受试者分为低级别组(G1、G1~2和G2,n=30)和高级别组(G3,n=18)。所有受试者均于3.0 T MRI扫描仪下行常规盆腔平扫加增强及rFOV-DKI序列扫描。参照常规矢状位T2加权图像在rFOV-DKI序列图像手动勾画感兴趣区(region of interest,ROI)。计算ROI的扩散峰度成像(diffusion kurtosis imaging,DKI)衍生参数,包括平均扩散率(mean diffusivity,MD)、轴向扩散率(axial diffusivity,Da)、径向扩散率(radial diffusivity,Dr)、平均峰度(mean kurtosis,MK)、轴向峰度(axial kurtosis,Ka)和径向峰度(radial kurtosis,Kr)。比较分析各rFOV-DKI参数在低级别组和高级别组间的差异,同时采用受试者工作特征(receiver operating characteristic,ROC)曲线方法评估每个参数的诊断性能。采用DeLong方法对比各参数ROC曲线下面积(area under the curve,AUC)的差异。结果低级别组MD、Da和Dr的平均值[(0.93±0.08)μm^(2)/ms、(1.14±0.10)μm^(2)/ms、(0.83±0.08)μm^(2)/ms]高于高级别组的平均值[(0.80±0.08)μm^(2)/ms、(1.05±0.07)μm^(2)/ms、(0.74±0.06)μm^(2)/ms;P<0.05],而MK、Ka和Kr的平均值(1.15±0.10、1.36±0.10、0.97±0.13)则低于高级别组(1.33±0.11、1.64±0.11、1.08±0.09)(P<0.05)。Ka值在区分低级别组和高别级组时具有最高的诊断准确性,ROC曲线下面积(area under the curve,AUC)为0.98(95%CI:0.89~1.00),其次是MK[AUC=0.90(95%CI:0.78~0.97)]和MD[AUC=0.88(95%CI:0.76~0.96)]。MK与Ka和MD的AUC间差异均没有统计学意义(Z=1.81和0.53,P=0.07和0.59),而Ka和MD的AUC间差异具有统计学意义(Z=2.40,P=0.02)。在所有DKI衍生参数中,Ka在区分低级别组和高级别组方面表现最好,截断值为1.46,敏�
目的分析多参数磁共振成像(magnetic resonance imaging,MRI)组学列线图模型治疗前预测子宫内膜样腺癌(endometrial endometrioid adenocarcinoma,EEA)淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的可行性及价值。方法于2020年10月至2022年1月在复旦大学附属妇产科医院前瞻性收集205例EEA临床及MRI资料,按6∶4随机分为训练集(n=123)和验证集(n=82)。分别在T2加权成像、扩散加权成像(表观扩散系数图)及动态增强MRI序列勾画全肿瘤体积感兴趣区提取肿瘤影像组学特征。在训练集中,采用单变量分析及多变量Logistic回归分析筛选LVSI的独立预测因子,建立临床预测模型;采用最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)进行特征筛选并建立影像组学标签;采用临床独立预测因子与组学标签构建临床-MRI组学列线图模型,并在验证集中进行模型验证。使用受试者操作特征曲线下面积(area under the receiver operating characteristic curve,AUC)评估模型效能,临床决策曲线评估模型临床应用价值。结果205例EEA中,LVSI(-)144例,LVSI(+)61例。患者绝经状态、CA125及CA199为LVSI(+)的临床独立预测因子,三者联合组成的临床预测模型AUC为0.714(训练集)和0.731(验证集)。从多参数MRI图像中共提取的8240个影像组学特征中筛选出5个最佳特征构建MRI组学标签,AUC为0.860(训练集)和0.759(验证集)。临床-MRI组学列线图模型AUC为0.887(训练集)和0.807(验证集),优于单独的临床模型及组学模型,且在较大的阈值概率范围内临床-MRI组学列线图模型可获得更大的临床净收益。结论基于多参数MRI组学的列线图模型可在治疗前有效预测EEA的LVSI状态,为临床管理决策提供有价值的参考,提高患者的临床获益。
