基于MRI特征构建直肠神经内分泌肿瘤病理分级的预测模型

作者：彭文静; 万丽娟; 张红梅^*; 邹霜梅; 欧阳汉; 赵心明; 周纯武

来源：中华肿瘤杂志, 2022, 44(08).

• 直肠肿瘤
• 神经内分泌肿瘤
• 磁共振成像
• 病理分级

目的探讨MRI特征对直肠神经内分泌肿瘤(NETs)病理分级的预测价值并构建预测模型。方法回顾性收集2013年1月至2019年11月在中国医学科学院肿瘤医院经病理证实的直肠NETs患者30例, 均行直肠常规MRI平扫、扩散加权成像及动态增强MRI扫描。采用方差分析、Freeman-Halton检验或Kruskal-WallisH检验比较不同病理分级(G1、G2和G3级)直肠NETs间的临床和MRI特征。对有统计学意义的预测特征行共线性检验, 通过逐步回归法移除共线性特征得到最优变量子集后, 纳入有序多分类logistic回归分析并建立病理分级预测模型。采用受试者工作特征(ROC)曲线分析评价预测模型对直肠NETs病理分级的预测效能。结果 30例直肠NETs中, 病理分级为G1级13例, G2级7例, G3级10例。G1、G2和G3级直肠NETs的肿瘤最大径、肿瘤边界、生长方式、mr-T分期、mr-N评价、壁外血管侵犯、系膜筋膜状态、T2加权成像信号强度、静脉期强化程度和有无远处转移差异均有统计学意义(均P<0.05)。经共线性检验和逐步回归法分析, 获得含mr-T分期和静脉期肿瘤强化程度的最优预测子集, 并构建了病理分级预测模型。相对于mr-T4期, mr-T1期肿瘤病理分级为低级别的OR=43.95(P=0.034);相对于静脉期明显强化, 低或无强化肿瘤病理分级为低级别的OR=0.07(P=0.014);G1级与G2～3级二分类预测模型的常数项为-1.78, G1～2级与G3级二分类预测模型的常数项为0.90。应用此模型预测G1、G2和G3级直肠NETs的ROC曲线下面积分别为0.945、0.624和0.896, 灵敏度分别为75.0%、85.7%和90.9%, 特异度分别为88.9%、52.6%和93.3%。结论基于mr-T分期和静脉期肿瘤强化程度的预测模型可以在治疗前预测直肠NETs的病理分级。

• 单位
  中国医学科学院北京协和医学院