多序列MRI影像组学模型：宫颈鳞癌病理组织分型预测新进展

本文主要探讨了"基于多序列MRI影像组学模型预测宫颈鳞癌病理组织分型"的研究。研究团队通过对103例经病理证实的宫颈鳞癌患者数据进行分析，这些病例被分为角化型和非角化型，其中角化型48例，非角化型55例。研究采用了随机分组的方法，将数据分为训练集和测试集，比例为3:1。 研究过程中，作者首先对所有患者进行了常规的磁共振平扫成像，然后对图像进行预处理，通过手动勾画三维肿瘤感兴趣的区域，提取并筛选出影像组学特征。这些特征包括T1、T2、T2抑脂序列图像的特性和多序列图像的联合特征。接着，利用朴素贝叶斯算法在训练集中构建了预测模型，针对每个序列单独建立模型以及多序列联合模型。 结果显示，训练集中，单序列模型如T1、T2和T2抑脂序列的ROC曲线AUC值分别为0.718、0.705和0.756，而多序列联合模型的AUC值显著提高至0.863，这表明联合模型具有更高的预测性能（P＜0.001）。进一步的Delong test检验发现，联合模型与T2、T1模型的ROC曲线有统计学差异，P值分别为0.004和0.018，说明多序列融合对预测准确性提升明显。 在测试集上，联合多序列模型在预测非角化型宫颈鳞癌方面的表现最优，ROC曲线的AUC值达到0.860，具有显著的区分能力（P=0.003）。此外，该模型的准确率为0.720，召回率更是高达0.900，显示出较高的识别和区分能力。在不同模型间的对比中，仅发现联合模型与T1模型的ROC曲线存在统计学差异，Z=2.200，P=0.027。 研究结论指出，基于MRI多序列的影像组学模型对于宫颈鳞癌特别是非角化型的病理组织分型预测具有很高的价值，其中，联合多序列模型的表现最为出色。这为临床提供了新的辅助诊断工具，有望提高宫颈鳞癌早期诊断的准确性，从而改善患者的治疗效果和预后。