影像學是臨床常見且重要的輔助檢查，也是腫瘤分期最主要的依據，今天我們來講講如何利用影像學數據來預測預後！這篇文章發表在 British Journal ofCancer 上，影響因子5.416，基于MRI的放射學模型可在術前預測肝細胞癌患者的5年生存率。

材料和方法

1)患者：這項研究是在兩個醫學中心進行的：北京大學腫瘤醫院和中國人民解放軍總醫院第五醫學中心。從2010年8月至2016年9月，對經手術切除，經病理證實的HCC患者進行了篩查。納入标準如下：（1）治愈性肝切除術，定義為完全切除所有的肉眼可見腫瘤，（2）無淋巴結轉移或肝外轉移，（3）無大血管侵犯，（4）接受了術前對比增強MRI檢查的患者，（5）沒有新輔助治療或輔助治療，（6）術後随訪了至少5年（除非死亡）。研究招募過程如圖1所示

圖1.研究招募過程

2）Follow-up：根據AFP水平和影像學檢查，所有患者術後均每3至6個月進行一次随訪。根據肝内或肝外新腫瘤的影像學證據确定腫瘤複發。五年生存狀态定義為術後5年生存或死亡。

3）MRI：手術前2周内進行了MRI掃描。

4）統計學分析： 進行單變量和多變量logistic回歸分析以鑒定與5年生存率相關的獨立臨床危險因素。單因素分析的候選因素是年齡，性别，HBsAg / HCV-ab狀态，肝硬化，AFP，ALT，AST，TB，DB，ALB，PLT，PT，Child–Pugh級，MRI報告的腫瘤數，MRI-報告腫瘤大小和BCLC分期。計算風險比以及95%置信區間。使用五倍交叉驗證進行穩健估計。使用SPSS 23.0版進行卡方檢驗，Fisher精确檢驗和logistic回歸分析。使用Precision Medicine OpenPlatform版本2.0.1執對感興趣區域（ROI）進行分割，MRI歸一化和特征提取。使用Pycharm進行特征選擇和模型構建。

5）ROI分割：T1WI，T2WI，DWI和DCEI被導出為醫學數字成像和通信（DICOM）文件。ROI表示的是每個切片中的所有腫瘤區域，由放射腫瘤學進行半自動分割并檢查。

6）MRI歸一化和放射學特征提取：由于MRI檢查是在不同的中心進行的，并且掃描儀之間存在一定的不均勻性，因此作者進行了MRI信号強度歸一化以校正掃描儀的效果。從T1WI，T2WI，DWI和DCEI中自動提取了ROI。接下來進行三維重建，并将ROI圖像重新采樣為1×1×1mm的像素大小，這可以糾正像素間距差異并恢複腫瘤體積。提取了四組成像特征：（1）540個定向梯度特征直方圖，（2）42個紋理特征，（3）48個小波特征和（4）156個統計特征。最後一組包含每個序列的786個特征，因此每位患者總共3144個特征。所有特征均以三維腫瘤體積計算。

7）特征選擇和放射學signature構建：應用随機森林算法中的基尼系數來選擇與生存最相關的特征，并基于選定的特征，使用随機森林方法開發了放射性标記。

8）放射學模型的開發和評估：使用随機森林方法構建了結合了放射學特征和獨立的臨床危險因素的個體化放射學模型。該模型的評估包括鑒别，校準和臨床實用性。根據ROC曲線的曲線下面積（AUC）量化識别性能。根據校準曲線中預測的5年生存率與實際5年生存率之間的一緻性來評估校準性能。研究流程如圖2所示。

圖2. 本研究中必要步驟的工作流程

主要結果展示

（1）臨床特征： 本研究共分析了201例HCC患者。168例患者感染了乙型肝炎/丙型肝炎病毒，其中149例（88.7％）定期接受抗病毒治療。158名患者（78.6％）有肝硬化病史。中位随訪時間為52.5個月（範圍5.2-93.1個月）。術後5年内有97例患者存活5年以上，其中104例死亡。術後5年内，有68名存活患者沒有HCC。104名非幸存者全部都經曆了腫瘤複發和與腫瘤相關的死亡。133例患者發現腫瘤複發。其中101例（75.9％）患者出現肝内複發。複發後的治療包括經動脈化學栓塞（n = 72），手術（n = 4），射頻消融（n = 10），放療（n = 2），索拉非尼（n = 20），化學療法（n = 2）和保守治療（n = 23）。根據患者的5年生存狀态，将其分為幸存者（n = 97）和非幸存者（n = 104）組。表1總結了兩組患者的臨床特征。兩組之間的AFP，AST，MRI報告的腫瘤數目，MRI報告的腫瘤大小和BCLC分期顯著不同。

表1.幸存者和非幸存者群體的臨床特征

作者進行了單變量和多變量logistic回歸分析，以确定與5年生存率相關的術前臨床危險因素并發現AFP和AST是獨立的臨床危險因素（表2）。

表2.肝癌患者5年生存率的術前臨床危險因素

(2) 特征選擇和放射性signture構建: 作者首先删除了一些無效特征，在其餘的3064個放射學特征中，選擇了30個與生存最相關的特征。總共選擇了150種放射性特征進行五重交叉驗證，其中包括來自DCEI的44個，來自DWI的42個，來自T1WI的29個和來自T2WI的35個。接下來作者根據選擇的放射性特征構建了放射性signature。在訓練組（圖3a）中，放射性組signature産生的平均AUC為0.9733，而在驗證組中，其平均AUC為0.7025（圖3b）。

圖3.放射性标記和放射性模型的ROC曲線

（3）放射醫學模型的發展與性能 ：在這一部分，作者将術前AFP和AST納入放射模型。作者結合了放射性特征和術前AFP和AST的個體化放射性模型顯示出更好的區分性，訓練組的平均AUC為0.9804（圖3c），而驗證組的平均AUC為0.7578（圖3d）。校準曲線表明，在訓練集（圖4a）和驗證集（圖4b）中，預測和實際5年生存率之間有很好的一緻性。

圖4.放射學模型的校準曲線

結論： 該研究構建了一個方便可行的放射學模型，該模型結合了MRI放射學signature和術前臨床危險因素，可預測可切除HCC患者的5年生存率。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!