對於接受前列腺癌根治術(RP)的患者來說，淋巴結侵犯(LNI)的存在是一個提示預後不佳的重要標誌。擴大盆腔淋巴結清掃術(ePLND)是前列腺癌的標準治療方案，RP術後的一個關鍵性決定因素是確定哪些患者應該接受ePLND。然而，由於該手術的並發症包括淋巴水腫和血栓栓塞，美國泌尿外科協會(AUA)指南將ePLND的適用範圍限定於淋巴結受累的高風險患者。目前ePLND的適應症十分有限，但差別很大。

        臨床上已經開發了幾個列線圖對最合適進行ePLND的前列腺癌(PCa)患者進行篩選。最近的研究表明，多參數磁共振成像(mpMRI)有助於預測LNI，然而目前的評估方法預測性能有限，曲線下麵積(AUC)從0.720到0.806不等。放射組學是一種定量成像技術，在給定的感興趣區(ROI)內提供定量成像信息，並在幫助預測PCa的侵襲性和預測結直腸癌患者的LNI方麵顯示出良好的結果。

        近日，發表在EuropeanRadiology雜誌的一項研究通過機器學習建立了一項將基於MRI的放射組學特征與常規使用的臨床特征(包括臨床 檢驗結果、人口統計信息和活檢相關結果)的預測模型來預測PCa患者的LNI，本研究評估了放射組學特征和臨床特征組合的優勢，並將的放射組學模型(IRM)組合與常用的提列線圖進行了比較。

        本研究提出了一個綜合的放射組學模型(IRM)來預測經組織病理學檢查證實的LNI，該模型整合了從MRI圖像上的前列腺病變區域提取的放射組學特征和通過SVM提取的臨床特征。研究隊列包括244名患有MRI的PCa患者，每位患者均在2010年至2019年期間接受了根治性前列腺切除術(RP)和ePLND的隨訪。所提出的IRM在訓練/驗證集中進行了訓練，並在內部獨立測試集中進行了評估。該模型的性能由曲線下麵積(AUC)、敏感性、特異性、陰性預測值(NPV)和陽性預測值(PPV)衡量。AUCs通過Delong檢驗與95%的置信區間(CI)進行比較，其餘測量值通過卡方檢驗或Fisher精確檢驗進行比較。

        總的來說，17(10.6%)和14(16.7%)名LNI患者分別被納入訓練/驗證集和測試集。形狀和一階放射組學特征在構建IRM時顯示出有用性。擬議的IRM在測試集中達到了0.915(95%CI：0.846-0.984)的AUC，優於先前存在的列線圖，其AUC為0.698至0.724(P<0.05)。

        圖a IRM和其他機器學習方法之間的ROC曲線比較。綠色、藍色和紅色曲線分別是僅使用放射組學特征的模型、僅使用臨床特征的模型和IRM模型的ROC曲線。 b IRM與耶魯、MSKCC、Briganti和Roach的ROC曲線比較。橄欖色、青色、橙色、粉紅色和紅色的曲線是耶魯大學、MSKCC、Briganti、Roach和IRM模型的ROC曲線

        本研究所提出的綜合放射組學模型(IRM)可用於前列腺癌(PCa)患者淋巴結浸潤(LNI)方麵的預測。與僅使用每個特征組的機器學習模型相比，基於mpMRI的放射組學特征與臨床特征的整合有助於預測性能的提高。與先前存在的列線圖相比，擬議的IRM表現出更佳的診斷性能，AUC為0.915。所提出的模型可用於預測PCa患者LNI存在，因此有助於減少患者不必要的擴大盆腔淋巴結切除術(ePLND)的實施。

        原文出處：

        Haoxin Zheng,Qi Miao,Yongkai Liu,et al.Multiparametric MRI-based radiomics model to predict pelvic lymph node invasion for patients with prostate cancer.DOI:10.1007/s00330-022-08625-6