当前位置：首页 ▶ 公司新闻
子宫内膜癌( Endometrial Cancer, EC) 是最为常见的女性生殖系统恶性肿瘤之一一，具有较高的致死率，近年来其发病趋于年轻化[-2。除了国际妇产科协会( FIGO )分级、手术无影灯分析编辑肌层侵犯深度( Myometrial Invasion, MI)、 病理学分级及转移与否等因素以外，近期研究表明是否存在淋巴血管间 隙浸润( Lymph Vascular Space Invasion, LVSI) 是影响预 后的另一-独立危险因素(3]。手术无影灯分析编辑LVSI 可以用于预测患者的生存时间，其阳性患者预后较差。尽管FIGO分级、MI等因素可以通过术前宫腔镜或MRI检查等手段进行评估，但目前为止LVSI必须依赖于子宫切除术后的病理检查结果。是否存在LVSI对EC治疗方案的选择具有重要影响，对于I期存在LVSI的EC患者，手术之前进行辅助治疗能够改善其预后用。除此之外，尽管对于早期EC是否进行淋巴结清 扫仍然存在争议，但对于存在LVSI的早期患者，FIGO手术无影灯分析编辑指南建议必须进行主动脉旁的淋巴结清扫"。因此，术前应用无创的影像学手段对其进行预测具有重要的意义。然而，常规的MRI图像评估依赖于肉眼观察，具有主观性，且与观察者诊断水平关系密切。近十年来，影像组学技术的迅猛发展为深人发掘医学图像信息，客观准确进行评估肿瘤LVSI情况提供了技术基础[5-6。无影灯分析本研究拟以表观扩散系数加权图像( Apparent Diffusion Coefficient, ADC )为基础，建立影像组学为基础的列线图模型，并对子宫内膜癌LVSI情况进行预测。本研究收集了2015年6月至2020年6月在我院就诊并经手术切除后病理确诊的295例子宫内膜癌病例。本研究为回顾性研究，经我院伦理委员会审批同意，且所有临床和影像信息均为匿名，因此无须签署知情同意书。无影灯分析所有患者在手术前均行MR平扫及动态增强扫描，所有的子宫内膜癌患者在术后均进行LVSI情况的评估。本研究的纳入标准为:①患者在MR检查前未进行放化疗或者靶向治疗;②所有患者在肿瘤切除前两周内行MR检查。排除标准:①患者患有子宫内膜异位症或黏膜下肌瘤;②无影灯厂家编辑患者患有其他组织恶性肿瘤;③MR检查图像伪影严重，影响参数测量。最终，有225例患者被纳人了本研究，按照0.7:0.3的比例，将其随机分人训练集(n=157)和测试集(n=68)(图。使用配有8通道体部相控阵线圈的1.5T西门子Avanto磁共振系统(Siemens, Germany)采集MR图像。患者在扫描前4h禁食水，减少膀胱和直肠的运动伪影。受检者取仰卧位、头先进。扫描范围包括髂前上棘至耻骨联合，方位包括斜横轴位、无影灯厂家编辑斜冠状位和斜矢状位，三个方位均应以子宫体部形态为标准进行定位。扫描序列包括:D横轴位平面回波(EPI) -DWI: TR=4600 ms, TE= 63 ms,反转角=150°， 层数=24，层厚=6 mm,层间距= 0.6 mm, FOV=380 mm x 380 mm,体素大小=2 mm x 2mm x6 mm, b值=0，1000 s/mm'。ADC图由DWI计算得来; ②横轴位压脂快速自旋回波( TSE ) -T2WI: TR=2000 ms, TE=96 ms,反转角=70°，层数=24，层厚=6mm，层间 距=0.6 mm, FOV=380 mmx 380 mm,体素大小=1 mm x 1 mmx 6 mm;③横轴位梯度回波( opp-in phase) -T1WI: TR=75ms, LED无影灯分析TE=2.38/4.79 ms,反转角=70°，层数=24,层 厚=6 mm,层间距=0.6 mm, FOV=380 mmx 380 mm, 体素大小=0.7 mm x 0.7 mm x 6 mm。1.3三维分割和组学特征提取首先在我院PACS系统中下载分析所需ADC图像。随后由两名具有5年盆腔MR诊断经验且对肿瘤病理分级和临床资料并不知情的影像医师，应用ITK-SNAP软件，在各个图像上逐层勾勒肿瘤的范围，勾勒时注意包括肿瘤内部的坏死、LED无影灯分析囊变和出血区域，最终获取肿瘤3D分割图像。将分割图像保存，导人Python环境下运行的Pyradiomics工具包进行参数提取。提取的组学特征参数共计100个，包括:-阶参数18个，灰度共生矩阵22个，灰度依赖矩 阵参数14个，灰度游程长度矩阵( Grey Level Run Length Matrix, GLRLM)参数16个，灰度区域大小矩阵参数16个以及形态学参数14个。图1显示了组学参数的提取过程，更多关于组学参数提取的方法学信息见补充材料。1.4血清糖类抗原125和肿瘤体积测量，血清糖类抗原125 ( Carbohydrate Antigen, CA125) 水平应用化学发光法微粒免疫检测技术检测，仪器采用罗氏 电化学发光Cobas 8000 e602 全自动生化免疫分析仪。肿瘤体积是通过ITK-SNAP软件完整勾勒肿瘤边界后，LED无影灯分析软件自本研究数据主要通过R软件(版本:3.4.3)进行分 析。应用Student-t检验和卡方检验比较LVSI ( +)和LVSI (-) 患者CA125水平、肿瘤体积和年龄。将CA125、肿 瘤体积和患者年龄三个参数纳人，利用逻辑回归( Logistic Regression)建立模型(ModelC )。计算两名测量者所抽取 的组学参数的组内相关系数(ICC ),以评估数据抽取结果 的一致性，大于0.75认为致性良好。 通过LASSO 回归筛选与肿瘤LVSI相关性最强的影像组学参数，以回归方 程系数为基础，计算每名EC患者的组学评分( Radscore )。随后，将组学评分、CA125水平、肿瘤体积和年龄联合，建立组学列线图模型(Model~)。应用受试者工作特征 ( Receiver Operator Characteristie, ROC济宁华诺医疗器械曲线评估模型对EC是否存在LVSI的鉴别能力。应用校准曲线及Hosmer.Lemeshow 检验评估列线图模型预测LVSI风险与其实际风险的一致性。 应用Delong test比较两种模型ROC曲线下面积。通过计算机模拟重采样的方法进行模型的内部验证间。2.1临床特征比较结果，LVSI(+)EC在训练集和测试集中所占比例分别为41.4%和41.2%，二者之间无显著性差异。训练集和测试集内，LVSI(+)和LVSI (-)两组患者之间年龄、CA125水平和EC体积均存在统计学差异( 均P<0.05),前者高于或大于后者。另外在两个数据集之间，两组患者年龄大小、CA125水平和肿瘤位置构成比较均无差异，说明了两组数据分配的随机性和均衡性。.2由年龄、济宁华诺医疗器械有限公司分析CA125和肿瘤体积所构成的Model对LVSI的通过绘制ROC曲线的方法来评估ModelC对EC是否存在LVSI的鉴别能力。训练集AUC、95%可信区间、敏
感性和特异性分别为0.760、0.675~0.823、 0.723、0.685测试集AUC、95%可信区间、敏感性和特异性分别为0.825、0.718~0.904、0.929、0.625。
济宁华诺医疗器械有限公司 http://www.sdhuanuo.com
