Baidu
map

European Radiology:用于慢性肾病纤维化无创检测的多模态放射组学模型

2023-07-25 shaosai MedSci原创 发表于上海

现阶段,放射性组学已被应用于不同的成像模式,用于识别和区分肾脏疾病,包括肾脏肿瘤及癌变、临床T1肾脏肿块的恶性和良性鉴别和肾脏肿瘤组织学亚型、糖尿病患者的早期肾脏损伤等。

慢性肾脏病(CKD)一种肾脏结构和功能逐渐恶化的状态,表现为估计肾小球滤过率(eGFR)降低。CKD可导致终末期肾脏疾病(ESKD),并分别占非传染性疾病相关发病率和死亡率的9.1%和4.6%。据预测,到2040年,CKD将成为全球第五大死因。因此,对CKD患者来说,及时诊断并及早开始治疗对优化他们的治疗效果至关重要。

间质纤维化和肾小管萎缩(IFTA)与CKD的严重程度密切相关,显著影响患者的长期预后。与轻度IFTA相比,中度和重度IFTA以及全身肾小球硬化分别与肾功能丧失的风险增加2倍和3倍以上有关。然而,目前监测肾脏纤维化的方法仍然不能令人满意。在临床实践中,eGFR并不总是与肾脏纤维化的程度一致,对亚临床肾功能损害可能相当不敏感。肾脏活检被认为是确认CKD诊断和纤维化分级的金标准。然而,肾脏活检有并发症的风险,空间采样偏差降低了病理诊断的准确性。

研究发现肾脏皮质和体积的形态学变化大多发生在ESKD期间。在病理检查中,CKD的特点是肾脏纤维化,或大量细胞外基质的病理沉积,与越来越多的成纤维细胞有关。这些变化与随后的肾脏组织的瘢痕和硬化有关,导致肾脏形态的改变。超声波检查可以评估斑点图案和信号散射的变化,这两者都与肾脏形态的变化和实质硬度的上升有不同程度的关联。然而,使用二维(2D)超声波区分患病的肾脏和健康的肾脏对超声技师来说是十分困难的。这些限制导致放射组学的效用增加

放射组学是利用统计学算法对医学图像进行量化,机器学习用于后续步骤的结果预测。放射线组学旨在通过区分不同的组织类型来支持诊断决策。在放射组学中,纹理分析是一个新兴的工具,用于量化肾脏疾病的严重程度。现阶段放射性组学已被应用于不同的成像模式,用于识别和区分肾脏疾病,包括肾脏肿瘤癌变、临床T1肾脏肿块的恶性和良性鉴别和肾脏肿瘤组织学亚型、糖尿病患者的早期肾脏损伤、肾结石的检测以及区分CKD患者的正常肾脏和病变肾脏。


近日,发表在European Radiology杂志的一项研究将二维超声和超声弹性成像(STE)图像的放射组学数据以及临床因素结合起来,构建了一个连线图来预测没有组织病理学数据的CKD患者中IFTA的程度,为CKD提供一种非侵入性的诊断方法,并利用这种方法来监测这些患者的治疗反应和疾病过程。

本项研究采用Mindray Resona 7超声诊断仪与SC5-1U凸阵探头(带宽频率为1-5MHz)进行二维超声检查和STE软件。将肾脏皮质小管间质纤维化的严重程度分为三个等级:轻度间质纤维化和小管萎缩(IFTA),纤维化面积<25%;中度IFTA,纤维化面积26-50%;重度IFTA,纤维化面积>50%。从这些患者的B型和STE图像中提取放射组学后,研究分析了两种分类方案:轻度与中度至重度IFTA,以及轻度至中度与重度IFTA。基于多重逻辑回归分析,结合临床和放射组学,研究构建了一个列线图。使用接收器操作特征(ROC)、校准和决策曲线评估了列线图的区分性能。 

共有150名接受肾脏活检的患者纳入研究(轻度IFTA:n = 74;中度IFTA:n = 33;重度IFTA:n = 43),并随机分为训练组(n = 105)和验证组(n = 45)。为了区分轻度和中度至重度IFTA,结合STE放射学、白蛋白和估计肾小球滤过率(eGFR)的列线图在训练和验证队列中的ROC曲线下面积(AUC)分别达到0.91(95%置信区间[CI]:0.85-0.97)和0.85(95%CI:0.77-0.98)。在轻度至中度和重度IFTA之间,结合B型和STE放射组学特征、年龄和eGFR的提名图在训练和验证队列中的AUC分别为0.93(95%CI:0.89-0.98)和0.83(95%CI:0.70-0.95)。最后,研究进行了决策曲线分析,发现使用放射组学和临床特征的列线图比其他任何模型都表现出更好的预测性(DeLong检验,训练和验证队列的P<0.05)。 


 
 在不同IFTA严重程度的患者中,使用Masson染色的肾脏活检对比图像和ITK-SNAP ROI进行病理检查。A-C 一个38岁的女性患者,患有系统性红斑狼疮。肾活检显示局灶性增殖性狼疮肾炎,III-(A),肾小管间质萎缩由Masson染色评估为5%,轻度IFTA。D-F 一个36岁的女性慢性肾脏病患者,经Masson染色评估,肾小管间质萎缩40%,中度IFTA;G-I 一个28岁的男性慢性肾脏病患者。经Masson染色评估的肾小管间质萎缩为70%,重度IFTA

研究表明,STE与二维超声检查相结合可以提高传统超声对CKD患者肾小管间质纤维化的诊断性能。基于二维超声和STE成像特征结合临床特征构建的放射组学列线图是一项无创的影像学工具,在检测不同IFTA严重程度的肾脏纤维化方面具有很高的准确性,将有助于临床对肾脏纤维化的无创性监测。

原始出处:

Xin-Yue Ge,Zhong-Kai Lan,Qiao-Qing Lan,et al.Diagnostic accuracy of ultrasound-based multimodal radiomics modeling for fibrosis detection in chronic kidney disease.DOI:10.1007/s00330-022-09268-3

版权声明:
本网站所有内容来源注明为“梅斯医学”或“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为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或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
评论区 (0)
#插入话题

相关资讯

European Radiology:一种新的全局特征管理方案提高了放射组学模型的性能和稳定性

面对高通量放射组学提取的数百个放射组学特征,有效的降维筛选可以显著降低计算负荷、优化分类和预测模型,并提高模型的泛化能力。

European Radiology:基于CCTA放射组学模型在诊断急性心肌梗死方面的价值

放射组学是指从医学图像中提取由标准模型计算出的特征,随后可以用机器学习等方法进行评估,为具有临床意义的图像找到一种新的应用方法。

European Radiology:T2加权放射组学模型在鉴别腮腺Warthin瘤和多形性腺瘤中的价值

放射组学可从图像分析中提取多种特征,可以帮助描述肿瘤的特征并评估治疗反应,在某些情况下还有助于预测预后。

Radiology:如何塑造理想化的放射组学模型?

数据分区是指将可用数据分为不同的训练、验证和测试集。从根本上说,每个分区对ML模型的开发都是必要的,因为它分别用于学习参数(训练)、评估这些参数的影响(验证)和评估最终模型(测试)的内部和外部。

academic radiology:放射组学模型在预测直肠癌新辅助放化疗治疗反应方面的价值

放射组学通过高通量的方式从人眼不可见的医学图像中提取大量的非视觉信息,可以反映肿瘤的异质性和生物学特征,可帮助临床决策。

European Radiology:基于MRI的放射组学模型在浸润性乳腺癌导管内成分预测中的应用

在浸润性乳腺癌(IBC-IC)中,导管内成分(原位导管癌,DCIS)的存在是一个常被提及的风险因素,与BCS的切缘阳性、再手术率[和局部复发相关。

Baidu
map
Baidu
map
Baidu
map