目的:观察磁共振T2加权脂肪抑制序列(T2WI-FS)与表观扩散系数(ADC)技术评估宫颈癌(CC)患者淋巴结转移(LNM)与脉管间隙浸润(LVSI)的价值.方法:回顾性分析2018年1月—2023年9月本院收治经手术病理证实的CC患者120例临床资料,术前均行MRI及扩散加权成像(DWI)检查,收集横轴位T2WI-FS与ADC(b=700 s/mm2)图像,以术后病理检查为金标准,分析磁共振T2WI-FS与ADC技术对CC患者LNM与LVSI的评估价值.结果:病理结果显示,120例CC患者中40例存在LNM、无转移80例,T2WI-FS检出LNM 28例、无转移72例,ADC检出LNM 32例、无转移71例,T2WI-FS联合ADC检出LNM 38例,无转移79例,T2WI-FS联合ADC诊断CC患者LNM的准确率97.5％、敏感度95.0％、特异度98.8％、阳性预测值97.4％和阴性预测值97.5％,均高于单独诊断(P＜0.05).病理结果显示,120例CC患者共检出LVSI阳性49例、阴性71例,T2WI-FS检出LVSI阳性37例、阴性60例,ADC检出LVSI阳性39例、阴性61例,T2WI-FS联合ADC检出LVSI阳性46例、阴性69例,T2WI-FS联合ADC诊断CC患者LVSI的准确率95.8％、敏感度93.9％、特异度95.8％、阳性预测值95.8％和阴性预测值95.8％,均高于单独诊断(P＜0.05).结论:磁共振T2WI-FS联合ADC技术评估CC患者LNM与LVSI的价值较高,可为临床治疗方案制订和预后判断提供依据.

目的:探讨子宫内膜癌(EC)组织中信号传导及转录激活蛋白3(STAT3)、A解聚素和金属蛋白酶及血小板反应蛋白基序19(ADAMTS19)的表达及与病理参数和预后的关系.方法:选取我院2018年1月至2020年12月接受手术切除的EC患者82例,采用免疫组织化学法检测EC组织及癌旁组织STAT3、ADAMTS19表达.采用Phi相关系数分析EC组织中STAT3、ADAMTS19表达的相关性.根据EC组织STAT3、ADAMTS19表达分为STAT3、ADAMTS19阳性/阴性表达组,采用Kaplan-Meier法绘制STAT3、ADAMTS19阳性/阴性表达EC患者生存曲线,并通过Cox回归分析影响EC患者预后的因素;绘制ROC曲线评价癌组织STAT3、ADAMTS19表达对EC患者死亡的预测价值.结果:与癌旁组织比较,EC组织STAT3阳性表达率升高,ADAMTS19阳性表达率降低(P＜0.05).EC组织中STAT3与ADAMTS19表达呈负相关(φ=-0.443,P＜0.001).STAT3、ADAMTS19表达与EC患者国际妇产科联盟(FIGO)分期、肌层浸润深度、分化程度和淋巴结转移有关(P＜0.05).82例EC患者3年总生存率为69.51％(57/82).STAT3阳性表达组3年总生存率60.71％低于STAT3阴性表达组88.46％,AD-AMTS19阳性表达组3年总生存率88.89％高于ADAMTS19阴性表达组64.06％(P＜0.05).FIGO 分期Ⅲ期、肌层浸润深度≥ 1/2、低分化、淋巴结转移、STAT3阳性为EC患者死亡的独立危险因素,AD-AMTS 19阳性为独立保护因素(P＜0.05).癌组织STAT3、ADAMTS19表达联合预测EC患者死亡的曲线下面积为0.860,大于癌组织STAT3、ADAMTS19表达单独预测的0.758、0.750(P＜0.05).结论:EC组织STAT3高表达、ADAMTS19低表达,二者表达呈负相关,与FIGO分期、肌层浸润深度、分化程度、淋巴结转移和预后有明显的相关性,且STAT3、ADAMTS19表达联合对EC患者预后有较高预测价值.

目的:分析磁共振扩散加权成像(MRI-DWI)表观弥散系数(ADC)值联合血清肿瘤标志物[癌胚抗原(CEA)、糖类抗原199(CAl99)、糖类抗原724(CA724)]对结直肠癌患者术后复发转移的预测价值.方法:选择2020年1月至2022年1月于本院接受根治性切除术治疗的80例结直肠癌患者患者纳入病例组,另选同期在本院接受结直肠癌筛查且排除结直肠癌的80例健康者纳入健康组.两组均接受MRI-DWI检查及血清学检查,对比两组ADC值及血清肿瘤标志物水平.病例组患者术后随访,根据术后是否复发将患者分为发生组与未发生组,对比两组一般资料、ADC值及血清肿瘤标志物水平,经线性回归分析上述指标与复发转移的相关性,绘制ROC曲线分析预测价值.结果:与对照组相比,病例组ADC值,血清CEA、CAl99、CA724水平高(P＜0.05);经根治性切除术治疗后发现,病例组15例发生复发转移,占比18.75％;发生组ADC值低于未发生组,血清肿瘤标志物水平均高于未发生组(P＜0.05),其余临床资料相比未见明显差异(P＞0.05);经线性回归分析显示,ADC值、血清肿瘤标志物水平与术后复发转移的关系密切(P＜0.05);绘制ROC曲线后,CEA、CA199、CA724、ADC值分别预测术后复发转移的AUC为0.813、0.815、0.755、0.838,联合预测AUC为0.907.结论:结直肠癌术后复发转移患者ADC值呈低表达,血清肿瘤标志物水平呈高表达,上述指标表达与结直肠癌患者术后复发转移关系密切有关,且联合检测可有效提高预测结直肠癌患者术后复发转移的价值.

目的:采用生物信息学方法探索卵巢癌中与血管生成相关的免疫基因(ARIG),探讨其与卵巢癌患者预后的关系,并说明不同预后患者肿瘤微环境和免疫治疗的潜在差异,为卵巢癌患者提供新的治疗靶点.方法:分别从TCGA和GEO数据库下载卵巢癌的转录组数据和生存数据.利用R软件分析差异表达基因,利用Pearson相关系数鉴定血管生成相关基因与免疫相关基因之间的相关性,筛选出差异表达的ARIG.通过Lasso回归分析构建预后模型,通过Cox分析临床特征和风险评分,将样本分为高风险组和低风险组.通过单样本基因集富集分析(ssGSEA)、肿瘤免疫功能障碍和排斥(TIDE)分析预后风险模型与免疫浸润、免疫治疗反应的相关性.最后,收集河北医科大学第四医院2015年5月至2016年5月手术的卵巢癌患者的肿瘤组织和输卵管组织85对,通过qPCR和WB法验证五个差异表达的ARIG在卵巢癌组织中的表达情况,分析其与卵巢癌患者临床病理特征的关系,并初步探索其在卵巢癌细胞的生物学功能.结果:通过生信分析筛选出142个差异表达的ARIG,通过Lasso和Cox回归分析,得到5个基因作为预后基因(PTGER3、SCTR、IGHG1、HSPA8、IGF2),构建了预后风险模型,高风险组患者的预后更差;此外,不同风险评分的患者在免疫细胞浸润和免疫治疗反应方面存在显著差异(均P<0.05).通过qPCR和WB法验证这5个基因在卵巢癌组织中均为高表达(均P<0.01),其中HSPA8表达量最高,且高表达HSPA8与卵巢癌患者FIGO分期晚、组织分级差、淋巴结转移及腹膜转移呈显著正相关(P<0.001).细胞功能实验证实,HSPA8可促进卵巢癌细胞的增殖、迁移和侵袭(P<0.01).结论:差异表达的5种ARIG能有效预测卵巢癌患者的预后,并且与免疫细胞浸润和免疫治疗疗效有关,初步证实其在卵巢中发挥促癌作用.

目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)与动态对比增强磁共振成像(dynamic contrast enhanced MRI,DCE-MRI)序列评估宫颈癌神经周围侵犯(perineural invasion,PNI)的价值.材料与方法回顾性分析36例行盆腔3.0 T MRI检查(包括APTw、DCE-MRI序列)且手术病理证实为宫颈癌的患者病例及影像资料,其中有PNI(PNI组)12例,无PNI(NPNI组)24例.由两位观察者分别测量病灶的APT值与DCE-MRI定量参数值,包括容积转移分数(volume transfer constant,Ktrans)、速率常数(exchange rate between EES and blood plasma,Kep)、血管外细胞外间隙容积分数(extravascular volume fraction,Ve)以及血浆容积分数(capillary plasma volume,Vp).采用组内相关系数(intra-class correlation coefficient,ICC)检验2位观察者对各参数值测量结果的一致性;采用Kolmogorov-Smirov检验数据是否符合正态分布,通过两独立样本t检验或Mann-Whitney U检验比较两组间参数值的差异,采用受试者工作特征(receiver Operating Characteristic,ROC)曲线评估有差异参数诊断PNI效能,获得相应的曲线下面积(area under the curve,AUC)、阈值、敏感度和特异度.采用二元logistic回归计算有差异参数的联合诊断效能,DeLong检验进行各参数和联合参数AUC比较,Spearman相关分析检测APT值和有差异DCE-MRI参数间的相关性.结果两位观察者测得的APT值及Ktrans值、Kep值、Ve值、Vp值结果一致性良好,ICC均>0.75.两组间的APT值和Vp值差异有统计学意义(P<0.05),Ktrans、Kep、Ve差异无统计学意义(P>0.05).PNI组的APT值(2.89％±0.72％)和Vp值[7.80×10-3(6.80×10-3,1.14×10-2)]均大于NPNI组[APT值2.31％±0.71％;Vp值4.19×10-3(2.04×10-3,7.35×10-3)].评估宫颈癌PNI时,APT值和Vp值的AUC分别为0.717、0.785,阈值分别为2.7％及6.46×10-3,敏感度及特异度分别为66.7％及75.0％、83.3％及75.0％;APT值联合Vp值后的AUC为0.792,APT值、Vp值与两者联合后的AUC之间差异无统计学意义(P>0.05).APT值与Vp值无相关性(r=0.219,P=0.198).结论APTw序列及DCE-MRI的定量参数均能有效预测宫颈癌PNI,具有一定临床应用价值.

目的:探讨酰胺质子转移(APT)加权成像联合扩散峰度成像(DKI)对乳腺癌新辅助化疗(NAC)早期病理完全反应的预测效能.方法:本研究中纳入2022年7月—2023年8月在本院确诊为乳腺癌后接受新辅助化疗且在治疗前行DKI和APT加权成像检查的72例患者.搜集并记录每例患者的临床和病理信息.测量病灶的平均峰度系数(MK)、平均扩散系数(MD)和非对称磁化转移率(MTRasym).根据Miller Payne分级系统评估患者对NAC的反应,定义Miller Payne 5级为病理完全反应(pCR),Miller Payne 1～4级为非pCR(non-pCR).采用独立样本t检验及卡方检验比较pCR组与non-pCR组之间临床病理资料(包括一般临床资料及免疫组化结果)及影像学定量参数间的差异,随后对P值小于0.05的变量采用二元多因素Logistic回归分析构建联合模型,并使用受试者工作特性曲线(ROC)分析各参数单独或联合的诊断效能.结果:pCR组肿瘤最大径(MRI图像测量)明显小于non-pCR组(P=0.006)MD值高于non-pCR组(P=0.008),MTRasym(3.5 ppm)值低于non-pCR组(P=0.006);联合模型的AUC为0.799,与各项单一参数AUC的差异均有统计学意义(Z=2.059～2.168,P=0.0302～0.0395).结论:DKI和APT衍生参数及肿瘤最大径对早期预测乳腺癌NAC病理完全反应具有重要价值,且三者联合的预测效能优于单一因素.

目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值.材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例.所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描.在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值.在APT重建图像上进行肿瘤病灶分割并提取影像组学特征.采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900).采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选.基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型.采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能.结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05).联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825.DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05).决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值.结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的支持.

目的建立基于Kaiser评分(Kaiser score,KS)临床-多参数乳腺MRI影像诊断模型,并探讨其在乳腺良恶性病变诊断及鉴别中的价值.材料与方法回顾性分析2019年1月至2022年12月经病理证实乳腺肿瘤患者389名(共403例病灶)的术前MRI及临床病理资料,其中良性组100例及恶性组303例.记录基于KS中的MRI图像特征、表观扩散系数(apparent diffusion coefficient,ADC)值及相关临床指标,单因素分析比较乳腺良恶性病变组间各指标之间的差异,多因素logistic回归分析筛选乳腺恶性病变的独立危险因素,建立临床-多参数MRI影像诊断模型,绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估其诊断效能,DeLong检验比较临床-多参数MRI影像诊断模型与单纯KS的诊断效能.结果乳腺良恶性病变组间根征、时间-信号强度曲线(time-signal intensity curve,TIC)类型、边缘、内部强化、水肿、ADC值、年龄、妇科肿瘤病史、绝经史差异有统计学意义(P<0.001),多因素logistic回归分析显示病灶根征阳性、TIC为Ⅲ型、边缘不光整、年龄大、存在妇科肿瘤史[比值比(odds ratio,OR)=7.889、7.707、4.398、1.122、0.239,P<0.05]是乳腺恶性病变的独立预测因子,基于KS相关特征、年龄、妇科肿瘤史建立临床-多参数MRI影像诊断模型.以乳腺良恶性为标准绘制KS及临床-多参数MRI影像诊断模型的ROC曲线,敏感度分别为97.4％、91.1％,特异度为69.3％、84.2％,曲线下面积(area under the curve,AUC)值为0.912、0.950;DeLong检验显示两者的AUC差异有统计学意义(P=0.006).腋窝淋巴结(axillary lymph node,ALN)转移阳性组与阴性组在乳腺癌根征(x2=6.477,P=0.011)、瘤周水肿(x2=12.241,P<0.001)、ADC值(Z=10.988,P=0.015)差异有统计学意义.多因素logistic回归分析显示瘤周水肿(OR=2.807,P=0.006)会增加ALN转移风险,存在瘤周水肿增加ALN转移的风险是无此特征患者的2.807倍.结论KS对乳腺病灶有较高的诊断价值,基于KS的临床-多参数MRI影像诊断模型有助于提高乳腺良恶性病变的诊断效能,且乳腺MRI原发灶存在瘤周水肿可作为乳腺癌ALN转移的独立预测因子.

目的本研究旨在结合传统MRI序列及增强检查,提取多模态高通量影像组学特征并联合语义特征,使用不同的机器学习分类器构建不同的模型并绘制列线图来鉴别高级别胶质瘤(high-grade glioma,HGG)和单发性脑转移瘤(solitary brain metastasis,SBM).材料与方法本研究对101名患者的多参数MR图像进行了回顾性分析,由两位资深医师标定肿瘤感兴趣区,然后对每个序列分别提取影像组学特征后进行组合,共提取428组影像组学特征.为消除人为标定差异,进行组内相关系数一致性检验,并运用最大相关最小冗余算法选取最具相关性的特征,然后进一步通过最小绝对收缩和选择算子算法筛除冗余特征.本研究采用支持向量机、逻辑回归、随机森林及K近邻四种算法建立分类模型.结合放射科医生评估的七项语义特征,通过卡方检验和多因素分析去除差异无统计学意义的语义特征.然后结合组学特征建立综合模型并绘制列线图.最终,评价各模型的诊断能力,以确定最优分类器.结果HGG及SBM患者建立的影像组学模型中LR的受试者工作特征曲线下面积(area under the curve,AUC)值最高,训练集与测试集分别为0.90和0.90.语义特征建立的模型中随机森林模型性能最好,训练集和测试集AUC分别为0.82和0.87.语义特征联合影像组学评分后采用逻辑回归建立的模型性能最好,训练集和测试集AUC分别为0.91和0.92.结论本研究使用影像组学机器学习分类器并联合其他图像语义特征绘制列线图对HGG及SBM进行鉴别,这是一种非侵入性方法,具有较好的准确性,为临床决策和实践提供了较大的帮助.

目的:探讨不同等级深度学习图像重建(DLIR)算法对肾上腺肿瘤的检出、组学特征可重复性和组学模型鉴别肿瘤类型效能的影响.方法:回顾性收集41例肾上腺功能性腺瘤(FAA)和46例肾上腺转移瘤(AM)患者的临床和影像资料.CT增强扫描完成后,对静脉期的原始数据采用4种强度等级(DL1、DL2、DL3、DL4)的DLIR算法进行重建.首先采用主、客观指标比较4种等级间图像质量的差异;然后使用Research Portal V1.1科研平台对各组重建图像上肾上腺肿瘤进行分割并提取450个影像组学特征,包括原始图像特征90个和拉普拉斯(LoG)滤波后的高阶特征(高斯核:0.5、1.0、1.5、2.0)360个.采用一致性相关系数(CCC)评估采用不同图像重建等级测量的FAA和AM组学特征的可重复性.最后,在各组重建图像中采用逐步特征选择策略,筛选出最优特征集并构建鉴别FAA和AM的组学模型.利用五折交叉验证法验证4个组学模型的鉴别效能,利用分层交叉验证法测评4个模型的泛化能力.结果:DL2和DL3在肾显示上腺肿瘤的清晰度方面最优,得分为4(4,5),优于DL1相应得分4(3,5)和DL4相应得分4(3,4),且差异具有统计学意义(F=139.045,P<0.05).随着DLIR降噪等级的提升,原始特征CCC值>0.85的个数逐渐减少,DL4中FAA和AM特征可重复的比例仅占39.3％(21/90)和50.9％(29/90).组学特征经过LoG滤波(高斯核2.0)处理后,CCC值>0.85的个数增加,DL4中FAA和AM特征可重复的比例占91.1％(82/90)和93.3％(84/90).4个组学模型在测试集中的曲线下面积(AUC)和符合率均>0.75,DeLong检验显示AUC的差异无统计学意义(Z=0.177～1.284,P=0.199～0.859).但分层交叉验证显示,DL4重建图像的泛化能力最弱,AUC和符合率均<0.75.结论:高降噪等级的DLIR算法会降低对肾上腺肿瘤显示的清晰度以及组学模型的泛化性.虽然LoG滤波器(高斯核:2.0)有助于提升组学特征测量的可重复性,但仍建议在肾上腺影像诊断和组学模型训练时,使用中低降噪等级的DLIR图像.