您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定

基于磁共振影像组学术前预测乳腺癌Ki-67表达状态的研究

摘要:

乳腺癌是女性最常见的恶性肿瘤之一,发病率占女性所有肿瘤的15%。随着个性化精准医疗的发展,肿瘤生物学标志物在临床管理工作中呈现出愈发重要的价值。其中,Ki-67的表达水平在乳腺癌临床诊疗中起着尤为重要的作用,可用于协助临床决策。目前,乳腺癌Ki-67的检测通过免疫组织化学(Immunohistochemistry,IHC)进行,该方法不仅有创、耗时,且成本高。而新兴的的影像组学(radiomics)则有望为乳腺癌Ki-67的术前预测提供一种简便、无创、可重复的新方法。<br>  目的:探讨基于磁共振(MR)影像组学标签术前预测乳腺癌患者Ki-67表达状态的价值。<br>  方法:本回顾性研究已得到广东省人民医院(广东省医学科学院)伦理委员会批准,并最终纳入经临床病理确诊为乳腺癌患者318例(训练数据集:n=200例,验证数据集:n=118例),均具备治疗前的乳腺MR图像以及完整的临床、病理资料。从PACS系统导出患者T2加权图像(T2WI)和对比增强的T1加权(T1+C)图像,由两名有经验的放射科医师人工勾画病灶感兴趣区域(ROI)。应用Matlab软件从选定的ROI中提取影像组学特征。采用组间一致性系数(interclass correlation coefficient,ICC)分析两名观察者在影像组学对乳腺癌Ki-67表达状态评估中的可重复性。在训练数据集中,ICC>0.75的特征方可纳入LASSO逻辑回归模型,进行关键特征筛选与组学标签构建。采用独立样本t检验或Mann-Whitney U检验评价影像组学标签与Ki-67表达状态的关系,运用受试者工作特征曲线(ROC)检测影像组学标签术前预测Ki-67表达状态的效能,并应用于验证数据集中进行验证。<br>  结果:通过LASSO逻辑回归分析,基于T2WI和基于T1+C图像的影像组学标签分别由16和14个特征构建。在训练及验证数据集中,基于T2WI的影像组学标签在Ki-67阳性组与阴性组之间有显著差异(P均<0.0001)。在训练数据集中,基于T1+C图像的影像组学标签与Ki-67表达状态显著相关(P<0.0001),但在验证数据集没有发现两者间的显著相关性(P=0.083)。基于T2WI的影像组学标签在Ki-67表达状态的分类中显示出良好的鉴别效能。影像组学标签在训练数据集中AUC为0.762(95%置信区间为0.685-0.838);在验证数据集中AUC为0.740(95%置信区间为0.645-0.836)。<br>  结论:基于T2WI的影像组学标签是术前乳腺癌Ki-67表达状态的独立预测因子,且具有较高的诊断效能。影像组学标签作为一种无创的方法,可用于协助术前预测乳腺癌Ki-67的表达状态。

更多
作者: 梁翠珊
导师: 刘再毅
分类号: R737.9
发布时间: 2018-12-03
  • 浏览:49
  • 下载:16

加载中!

相似文献

  • 中文期刊
  • 外文期刊
  • 学位论文
  • 会议论文

加载中!

加载中!

加载中!

加载中!