European Radiology：基于MR的放射组学模型在预测子宫内膜癌患者复发风险方面的价值

子宫内膜癌（EC）是最常见的恶性肿瘤之一，其发病率和与疾病相关的死亡率在全世界范围内不断上升。根据最近公布的数据，2020年全球有417367名新诊断的EC患者。尽管大多数患者在早期即被确诊，并且预后良好，5年相对生存率在90%以上，但这些患者中约有10-20%会出现复发。大多数复发发生在术后3年内，这一比例甚至在5年内达到95%以上。一些临床病理因素，如组织病理学类型、等级、子宫肌层侵犯（MI）、淋巴血管空间受累（LVSI）和国际妇产科联盟（FIGO）分期已被报道与复发风险相关，并被纳入风险分层系统以预测复发。

然而，这些因素仍不足以准确预测复发。因此，仍然需要开发新的生物标志物来更精确地预测患者的复发风险，并进一步为个性化治疗策略提供有价值的信息。

磁共振成像（MRI）以其卓越的软组织分辨率，长期以来一直是EC术前评估的首选成像工具。与传统的基于MRI的成像特征相比，放射组学是一个新兴的领域，其采用定量的图像分析方法来确定成像特征和临床结果之间的相关性，并在预后预测方面显示出巨大的潜力。据我们所知，已经有研究确定了EC患者的放射组学特征和临床病理风险因素之间的相关性。然而，很少有研究集中在预测EC的复发风险方面。此外，虽然大多数研究分析的是肿瘤本身，但也有报道称，瘤周区（PAs）也携带着与肿瘤侵袭性相关的信息，在复发中起着重要作用。因此，对瘤内和瘤周区域的综合评估可为预测复发风险提供宝贵的信息。

近日，发表在European Radiology杂志上的一篇研究建立了一个基于临床病理因素和MRI放射组学特征的融合模型来预测EC患者的复发风险，并探讨了瘤周扩展在复发预测中的潜在价值。

本项回顾性研究共纳入了来自四个医疗中心的421名组织病理学证明的EC患者（101名复发与320名非复发EC），并被分为训练（n = 235）、内部验证（n = 102）和外部验证（n = 84）队列。总共有1702个放射组学特征分别从每个病人的不同扩展区域提取。应用XGBoost分类器来建立临床病理模型（CM）、放射组学模型（RM）和融合模型（FM）。其中，所建立的模型的性能是通过分辨力、校准和临床效用来评估的。进行Kaplan-Meier分析，通过评估高风险和低风险复发患者的无复发生存期（RFS）的差异进一步确定模型的预后价值。 

与仅基于临床病理或放射组学特征的模型相比，FMs显示出更好的性能，但在扩展瘤周区域（PA）时，其倾向性有所降低。从ROC、校准曲线和决策曲线分析来看，基于瘤内面积（IA）的FM[FM（IA）]在预测复发风险方面具有最佳性能。Kaplan-Meier生存曲线显示，由FM（IA）定义的高风险复发患者比低风险复发患者的RFS更差。 

图 矢状面CE-T1WI和T2WI图像上的两个示例的肿瘤分割情况。左图（a）来自一位45岁的女性EC患者，在37个月的随访期间没有复发的证据。右图（b）来自一名55岁的女性患者，在12个月的随访期间出现复发。红色区域划定了IA、有3毫米PA的IA和有5毫米PA的IA

本项研究表明，集成了瘤内放射组学特征和临床病理因素的FM可以作为EC患者复发风险的重要预测指标。

原文出处：

Zijing Lin,Ting Wang,Qiong Li,et al.Development and validation of MRI-based radiomics model to predict recurrence risk in patients with endometrial cancer: a multicenter study.DOI:10.1007/s00330-023-09685-y