临床和MRI影像组学及深度学习联合模型预测初发前列腺癌骨转移

作者：宋鑫洋; 张甜; 王洋洋; 胡翔宇; 沈天赐; 杨峰^*

来源：中国介入影像与治疗学, 2023, 20(04): 212-217.

DOI：10.13929/j.issn.1672-8475.2023.04.006

• 前列腺肿瘤
• 肿瘤转移
• 深度学习
• 影像组学

目的 基于临床、MRI影像组学及深度学习(DL)构建联合模型，评估其预测初发前列腺癌(PCa)骨转移(BM)的价值。方法 回顾性分析286例经病理证实的初发PCa,根据患者来源将其分为训练集(53例BM、121例无BM)和测试集(29例BM、83例无BM)。采用单因素分析及多因素logistic回归分析筛选初发PCa BM的临床独立风险因素，构建临床模型；基于MR T2WI和弥散加权成像(DWI)提取并筛选最佳影像组学特征，构建影像组学标签评分(Rad-score),以最佳DL特征建立DL标签评分(DL-score),进而构建影像组学-DL模型；最后基于临床独立风险因素、Rad-score及DL-score构建联合模型。绘制受试者工作特征(ROC)曲线，计算曲线下面积(AUC),评估各模型预测初发PCa BM的效能，以决策曲线分析(DCA)对比其临床获益。结果 血清前列腺特异抗原(PSA)(OR=1.003,P<0.01)及国际泌尿病理学会(ISUP)评分(OR=3.023,P=0.01)为初发PCa BM的临床独立风险因素；以之构建的临床模型预测训练集及测试集初发PCa BM的AUC分别为0.79及0.81。以影像组学-DL模型及联合模型预测训练集和测试集初发PCa BM的AUC分别为0.90、0.93及0.92、0.95,联合模型在训练集(Z=3.12、P<0.01,Z=1.76、P=0.04)和测试集的AUC(Z=2.89、P<0.01,Z=2.23、P=0.03)均高于临床模型及影像组学-DL模型。DCA显示，阈值取0.10～0.78时，联合模型的临床获益高于临床模型及影像组学-DL模型。结论 临床和MRI影像组学及DL联合模型可有效预测初发PCa BM。

• 单位
  湖北医药学院; 武汉大学人民医院; 襄阳市第一人民医院