简介：摘要目的探讨增强 MRI列线图模型在预测双表型肝细胞癌（DPHCC）中的应用价值。方法回顾性分析2016年1月至2021年3月于苏州大学附属第一医院行增强MRI检查并经手术病理证实为肝细胞癌（HCC）的116例患者资料，男87例，女29例，年龄30~79（59±10）岁，其中DPHCC 31例，非双表型肝细胞癌（非DPHCC）85例，并按照6∶4的比例，采用随机数字表法分为训练组（51例非DPHCC，19例DPHCC）及验证组（34例非DPHCC，12例DPHCC），比较两组患者的临床及影像学特征的差异。然后将差异有统计学意义的特征纳入多因素logistic回归，获得独立预测指标并建立列线图模型，采用受试者工作特征曲线评估模型的预测能力，采用校准曲线对模型进行验证。结果在训练组中，DPHCC中环形动脉期高强化的患者占比高于非DPHCC［47.4%（9/19）比 7.8%（4/51），P<0.001］。环形动脉期高强化、强化的包膜是DPHCC的预测因素［OR值（95%CI）分别是10.17（1.70~60.80）、0.17（0.03~0.93），均P<0.05］。在训练组中，列线图的曲线下面积（AUC）、灵敏度、特异度分别为0.888（95%CI：0.806~0.969）、78.9%、86.3%；在验证组中，以上3个指标分别为0.811（95%CI：0.655~0.968）、75.0%、82.4%。结论增强MRI列线图模型对DPHCC具有一定的预测效能，灵敏度、特异度高。

简介：摘要目的探讨基于双期增强CT影像组学特征的机器学习模型术前预测肝细胞癌微血管侵犯（MVI）的价值。方法回顾性分析2015年1月至2020年5月在苏州大学附属第一医院经病理确诊的148例［男106例，女42例，年龄（58±11）岁］肝细胞癌患者的资料，其中MVI阳性88例，MVI阴性60例。按照约7∶3的比例随机分配为训练集和验证集。利用MaZda软件提取肝细胞癌动脉期和门静脉期3D影像组学特征，采用3种特征选择方法联合（FPM法）和Lasso回归进行特征筛选，得到最优特征子集。然后用6种机器学习算法构建预测模型，采用受试者工作特征（ROC）曲线评估模型的预测能力，并计算出曲线下面积（AUC）、准确度、灵敏度和特异度。结果MaZda软件提取肝细胞癌动脉期和门静脉期的影像组学特征，各239个。利用FPM法和Lasso 回归进行特征筛选可分别得到7个动脉期和14个门静脉期最优特征。基于动脉期的7个最优特征构建的决策树、极端梯度提升、随机森林、支持向量机、广义线性模型和神经网络等模型预测验证集肝细胞癌MVI的AUC值分别为0.736、0.910、0.913、0.915、0.897、0.648，其中支持向量机的AUC值最高，其准确度、灵敏度和特异度分别为95.35%、95.83%和94.74%。利用门静脉期的14个最优特征构建的上述机器学习模型预测验证集肝细胞癌MVI的AUC值分别为0.873、0.876、0.913、0.859、0.877、0.834，其差异均无统计学意义（均P>0.05），其中随机森林模型的AUC值最高，其准确度、灵敏度和特异度分别为90.70%、87.50%和94.74%。结论基于双期增强CT影像组学特征的机器学习模型可用于术前预测肝细胞癌微血管侵犯。其中，支持向量机和随机森林模型具有较高的预测效能。

简介：摘要目的探讨钆塞酸二钠（Gd-EOB-DTPA）增强磁共振成像（MRI）影像学特征联合定量分析在预测肝细胞癌病理分级中的应用价值。方法回顾性分析2016年6月至2019年6月在苏州大学附属第一医院行Gd-EOB-DTPA增强MRI检查并经穿刺或手术病理证实为肝细胞癌的80例患者的资料，其中男65例、女15例，年龄30~74（59±11）岁。根据术后病理结果，将其分为低分化组（26例，男22例、女4例）及中高分化组（54例，男43例、女11例）。审阅Gd-EOB-DTPA增强MRI图像并记录肝细胞癌定性特征，测量并计算定量指标包括肿瘤大小和动脉期、门静脉期、平衡期、肝胆特异期病灶-肝脏信号比（SIR）及动脉期对比增强比（CER-AP）。对低分化组、中高分化组间临床资料及定性参数进行χ2检验，定量参数进行独立样本t检验。对上述组间差异有统计学意义的定性参数、定量参数、定量联合定性参数、甲胎蛋白（AFP）联合定性定量参数构建二元logistic回归模型，采用受试者工作特征（ROC）曲线分析4种多参数预测模型对肝细胞癌病理分级的诊断效能。结果低分化组与中高分化组间AFP、动脉期瘤周高信号、动脉期环形强化、肝胆特异期瘤周低信号、肿瘤信号的差异有统计学意义（均P<0.05），两组间，肿瘤大小、动脉期病灶-肝脏信号比（SIR-AP）、门脉期病灶-肝脏信号比（SIR-PP）分别为（7.0±3.7）cm比（3.9±2.4）cm、1.11±0.29比1.31±0.32、0.89±0.21比1.03±0.27，差异有统计学意义（均P<0.05）。定性参数、定量参数、定性联合定量参数、AFP联合定性定量参数预测模型诊断肝细胞癌病理分级的ROC曲线下面积（AUC）分别为0.805、0.804、0.855、0.892。定性参数与定性联合定量参数诊断的灵敏度的差异有统计学意义（80.8%比92.3%，P<0.05）。结论Gd-EOB-DTPA增强MRI影像学特征联合定量分析可在术前预测肝细胞癌病理分级，有较大的应用价值。

简介：摘要目的通过基于扩散张量成像（DTI）的全肿瘤纹理分析建立放射组学模型，从而实现无创性预测异柠檬酸脱氢酶1（IDH1）突变。方法收集2016年2月至2019年6月苏州大学附属第一医院收治并经手术确诊星形细胞瘤患者的术前MRI图像，包括T1WI、T2WI、DTI和T1对比增强。最终共纳入38例患者，男20例、女18例，其中12例突变型，26例野生型，年龄（49±15）岁。使用MaZda软件在T2WI图像的每个层面上绘制感兴趣区（ROI）并将其复制到表观扩散系数（ADC）和各向异性分数（FA）图，提取肿瘤全体素的纹理特征参数。使用最小绝对值收敛和选择算子（LASSO）回归确定最佳放射性组学特征，计算放射组学分数，使用二元Logistic回归构建组学预测模型，绘制受试者工作特征（ROC）曲线分析诊断效能以及校正曲线评估模型预测性能。结果经LASSO回归最终确定了4个最有价值的放射组学特征，分别为ADC偏度3D、ADCPerc.01%3D、ADCPerc.50%3D和FAPerc.99%3D，随后基于放射组学特征建立每例患者的放射组学标签和Logistic回归模型。野生组和突变组的放射组学评分分别为2.3±0.3和1.8±0.4，组间差异有统计学意义（P<0.05），ROC曲线分析显示AUC为0.837，灵敏度和特异度分别为91.7%和61.5%。Logistic回归模型具有良好的预测性能，AUC为0.907，灵敏度和特异度分别为91.7%和84.6%。结论基于DTI的全肿瘤放射组学模型有助于预测胶质瘤IDH1突变。