关键词:
垂体肿瘤
磁共振成像
神经外科手术
预测
影像组学
肿瘤特征
摘要:
目的构建预测大型垂体神经内分泌肿瘤(PitNETs)特征的MRI影像组学模型并验证其临床应用价值。方法回顾性分析2020年1月至2024年12月苏州大学附属第二医院(132例)、常熟市第二人民医院(54例)、苏州市吴中人民医院(48例)神经外科诊断的大型PitNETs(肿瘤最大径≥10 mm)患者的临床及影像学数据。按照完全随机的方法将患者以7∶3的比例分为训练集(163例)和验证集(71例)。依据术中观察的肿瘤血供程度、质地、海绵窦侵袭情况分别分组:根据血供程度分为丰富组(82例)与一般组(152例);根据质地特征分为坚韧组(134例)与一般组(100例);根据海绵窦侵袭情况分为侵袭组(72例)与未侵袭组(162例)。通过单因素分析和多因素Logistic回归分析筛选临床及MRI特征;通过Z-score标准化、独立样本t检验初筛(P<0.05)和LASSO回归(十折交叉验证)降维后筛选影像组学特征。运用多元Logistic回归(LR)、K最近邻算法(KNN)以及高斯朴素贝叶斯(GNB)3种机器学习方法构建影像组学模型。绘制受试者工作特征曲线(ROC),以曲线下面积(AUC)评估模型的预测效能(AUC>0.9为优秀,>0.8~0.9为良好),并采用Delong检验比较模型间预测效能的差异,同时采用决策曲线分析(DCA)方法评估模型的临床应用价值。结果单因素分析和多因素Logistic回归分析结果显示,肿瘤最大径增加是PitNETs血供丰富(OR=1.118,95%CI:1.070~1.167,P=0.014)的独立预测因子;肿瘤形状不规则(OR=0.367,95%CI:0.184~0.733,P=0.005)和肿瘤存在囊变(OR=0.197,95%CI:0.098~0.397,P<0.001)是PitNETs质地一般的独立预测因子;肿瘤最大径增加是海绵窦侵袭(OR=1.343,95%CI:1.222~1.476,P<0.001)的独立预测因子。影像组学特征筛选中,肿瘤血供程度和质地方面,T1加权成像、T2加权成像及增强的联合序列均筛选出6个特征;海绵窦侵袭方面,T2加权成像及增强的联合序列筛选出3个特征。预测血供程度方面,LR模型、KNN模型和GNB模型预测效能均达良好或优秀(训练集AUC分别为0.932、0.933、0.885;验证集分别为0.870、0.870、0.866)。预测质地特征方面,LR模型、KNN模型和GNB模型预测效能均达良好或优秀(训练集AUC分别为0.927、0.933、0.909;验证集分别为0.879、0.875、0.876)。预测海绵窦侵袭方面,KNN模型存在过拟合情况,LR模型和GNB模型预测效能均为优秀(训练集AUC分别为0.935、0.931;验证集分别为0.909、0.905)。DCA结果显示,各影像组学模型均具有较好的临床净收益。结论MRI影像组学模型可有效预测大型PitNETs的血供程度、质地及海绵窦侵袭情况,具有临床应用价值。