European Radiology：多参数MRI放射组学在术前预测鼻窦恶性肿瘤Ki-67增殖状态中的应用

鼻窦恶性肿瘤是上皮性或非上皮性（间质、神经内分泌和淋巴）来源的异质性肿瘤，临床上并不常见，头颈部好发。临床实践中处理鼻窦恶性肿瘤的方法包括手术、辅助放疗和化疗。然而，预测此类肿瘤的恶性潜力的技术仍然相对不足，且具有挑战性。众所周知，术前对肿瘤的侵袭性进行全面评估有利于对恶性肿瘤患者进行个性化治疗和预测预后。与细胞周期密切相关的Ki-67核蛋白在除G0以外的每个增殖细胞阶段都高度表达。Ki-67指数定量地反映了肿瘤的异质性和侵袭性，已被用作评估各种恶性肿瘤的预后预测工具。以前的研究报道，Ki-67高增殖状态（Ki-67˃50%）可作为鼻窦恶性肿瘤患者预后的独立预测因素，并与总生存率密切相关。

目前，临床上主要通过穿刺活检获得鼻窦恶性肿瘤术前Ki-67的增殖状况。然而，这种方法具有侵入性，增加了针道植入的风险，而且不能完全反映肿瘤的异质性。因此，临床上迫切需要一种无创、准确、有效的方法来进行Ki-67增殖状态的术前评估以克服鼻窦恶性肿瘤的取样偏差。

放射组学不同于放射科医生采用的传统的视觉解读方法，涉及从医学图像中提取大量的定量放射组学特征。最近，放射组学已被广泛用于协助临床医生进行肿瘤诊断、鉴别诊断、分期、监测疾病状况，以及评估治疗反应和疾病预后。据作者所知，放射组学还没有被用于预测鼻窦恶性肿瘤的Ki-67指数。

近日，发表在European Radiology杂志的一项研究评估了基于多参数MRI的RS对Ki-67增殖状态的术前评估的预测能力，以实现鼻窦恶性肿瘤采样偏差的消除，做到鼻窦恶性肿瘤的术前无创准确评估。

本研究回顾性地分析了在两个医疗中心接受多参数MRI检查的总共128名鼻窦恶性肿瘤患者。一个医疗中心的数据（n = 77）被用来建立预测模型，另一个医疗中心的数据（n = 51）构成测试数据集。审查了临床数据和常规MRI结果以确定重要的预测因素。使用最大相关性最小冗余、最小绝对收缩和选择运算符算法确定放射组学特征。随后，使用逻辑回归（LR）算法建立了RSs。使用校准、决策曲线分析（DCA）、准确性和AUC来评估RSs的预测性能。 

根据临床数据和常规MRI结果，没有观察到Ki-67高增殖的独立预测因素。RS-T1、RS-T2和RS-T1c（造影剂增强T1WI）是基于单一参数的MRI建立的。RS-组合（结合T1WI、FS-T2WI和T1c特征）是基于多参数MRI建立的，在测试数据集上的AUC和准确性分别达到0.852（0.733-0.971）和86.3%。校准曲线和DCA显示了在临床实践中改进的适应性和价值。 

图  传统的多参数MRI结果分析。a 肿瘤内有T1高信号区（箭头）；b 肿瘤内有T2低信号区（箭头）；c 肿瘤最大直径>5厘米且信号存在异质性（箭头）；d 肿瘤内存在分格（箭头）；e 肿瘤存在粘液成分（箭头）；f 肿瘤有明显强化（箭头）

本研究表明，基于多参数MRI的RS可作为评估术前评估Ki-67增殖状态的无创和准确的影像学工具，以克服鼻窦恶性肿瘤的采样偏差。

原文出处：

Shucheng Bi,Jie Li,Tongyu Wang,et al.Multi-parametric MRI-based radiomics signature for preoperative prediction of Ki-67 proliferation status in sinonasal malignancies: a two-centre study.DOI:10.1007/s00330-022-08780-w