Eur Urol Focus:膀胱癌淋巴结分期的手动和自动分割放射学特征分析
2022-09-25 AlexYang MedSci原创
评估了定量放射组学特征在检测BC的LN转移中的表现。
膀胱癌(BC)的治疗方案取决于准确的肿瘤分期。到目前为止,计算机断层扫描(CT)推荐用于评估肌层浸润性和高风险BC的淋巴结(LN)转移扩散。然而,由放射科医生评估的CT成像结果诊断效果往往是有限的。
近期,来自德国的研究人员在《Eur Urol Focus》上发表文章,评估了定量放射组学特征在检测BC的LN转移中的表现。
在1354名接受根治性膀胱切除术(RC)并进行了淋巴腺切除术的BC患者中,研究人员将391名有病理结节分期的患者(pN0:n=297;pN+:n=94)纳入了研究,并随机分为训练组(n=274)和测试组(n=117)。研究人员对盆腔LNs进行了手动和自动分割,并从每个LN中共提取了1004个放射组学特征,训练了一个机器学习模型,使用组织病理学特征作为基础来评估PN状态。研究人员使用了接收者操作特征曲线进行统计分析,并在敏感性、特异性和曲线下面积(AUC)方面进行了评估。
研究总共有1845个LNs进行手动分割。在测试组中,自动分割法正确定位了361/557个LNs。与放射科医生的评估相比,手动和自动掩膜在测试队列中的AUC分别为0.80(95%置信区间[CI]0.69-0.91;p=0.64)和0.70(95% CI:0.58-0.82;p=0.17),放射科医生评估的AUC为0.78(95% CI 0.67-0.89)。手工分割的放射组学特征与放射科医生评估的组合模型AUC达到了0.81(95% CI 0.71-0.92;p=0.63)。
不同模型的诊断表现比较
综上所述,放射性组学特征可以较高的诊断准确性辨别结节状态。基于人工LN分割的模型也优于全自动方法。
原始出处:
Eva Gresser, Piotr Woźnicki, Katharina Messmer et al. Radiomics Signature Using Manual Versus Automated Segmentation for Lymph Node Staging of Bladder Cancer. Eur Urol Focus. Sep 2022
作者:AlexYang
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言