摘要
目的探讨临床特征及MRI T2加权脂肪抑制像(T2WI-FS)影像组学特征在布鲁杆菌性脊柱炎与化脓性脊柱炎鉴别诊断中的应用价值。方法收集2019年1月至2021年12月新疆医科大学附属第一医院经病理或病原学培养确诊的26例布鲁杆菌性脊柱炎和23例化脓性脊柱炎患者的临床资料。对人口学特征、临床特征及实验室检查等行单因素分析, 筛选出有统计学意义的潜在临床危险因素。通过手动勾画术前矢状面T2WI-FS的感兴趣区, 利用Pyradiomics包提取多样化的影像组学特征, 包括形状、纹理和灰度值等;对影像组学特征进行归一化、冗余性分析排除高度相关的特征, 再通过统计方法筛选与研究目标相关的特征;采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)回归, 从高维特征中筛选出最具鉴别意义的特征以优化模型的预测性能;利用选出的影像组学特征计算影像组学评分。将筛选的临床危险因素、影像组学特征及影像组学评分纳入logistic回归, 构建临床特征模型、影像组学评分模型及临床特征-影像组学评分模型。采用混淆矩阵及受试者操作特征曲线(receiver operating characteristic, ROC)评估模型的鉴别能力。结果 49例患者纳入研究, 男36例、女13例, 年龄(53.79±13.79)岁(范围23~83岁)。化脓性脊柱炎患者的C反应蛋白(C-reaction protein, CRP)及红细胞沉降率(erythrocyte sedimentation rate, ESR)水平高于布鲁杆菌性脊柱炎患者, CRP及ESR是潜在临床危险因素(P<0.05)。共获得影像组学特征1 500个, 筛选出7个影像组学特征(logarithm glrlm SRLGLE、exponential glcm Imc1、exponential glcm MCC、exponential gldm SDLGLE、square glcm ClusterShade、squareroot glszm SALGLE和wavelet.HHH glrlm Run Variance)。7个影像组学特征中square glcm ClusterShade的效能最好, 曲线下面积(area under the curve, AUC)值为0.780、灵敏度68.8%、特异度94.4%、准确度82.4%、精确度91.7%、阴性预测值0.773、阳性预测值0.917;logarithm glrlm SRLGLE的AUC为0.736、灵敏度81.2%、特异度72.2%、准确度76.5%、精确度72.2%、阴性预测值0.812、阳性预测值0.722;exponential glcm Imc1的AUC为0.736、灵敏度50.0%、特异度94.4%、准确度73.5%、精确度88.9%、阴性预测值0.680、阳性预测值0.889。临床特征模型、影像组学评分模型及临床特征-影像组学评分模型的AUC分别为0.801、0.818和0.875。其中临床特征-影像组学评分模型预测效果最好, 灵敏度87.5%、特异度77.8%、准确度82.4%、精确度77.8%、阴性预测值0.875。结论临床特征-影像组学评分模型鉴别诊断布鲁杆菌性脊柱炎和化脓性脊柱炎的可行性较高, 有助于临床鉴别诊断并提供个体化治疗。
-
单位喀什地区第一人民医院; 新疆医科大学第一附属医院; 上海交通大学