European Radiology：基于肩关节MRI放射组学在冈上肌肌腱撕裂诊断和严重分期评估中的应用

冈上肌腱撕裂是肩袖撕裂中最常见的肌腱损伤，主要引起肩部疼痛和肩部功能丧失。如今，MRI是评估冈上肌腱状态的最有效的成像方式。检测冈上肌腱撕裂有赖于评估脂肪饱和的T2加权矢状斜面和冠状斜面图像，并结合具有特征性的MRI表现如高度有序的肌腱结构的破坏、轮廓的变化和信号的增加。

然而，MR解读既费力又受制于读者的差异性。在创伤中，肩袖挫伤引起的肌腱高信号可能会被误认为是撕裂。深度学习方法可作为诊断肩袖撕裂的辅助手段，并可根据腋下侧位X光片上的小结节变化评估肩胛下肌腱撕裂。

近日，发表在European Radiology杂志的一项研究通过放射组学分析提取广泛的定量数据并将其应用于冈上肌腱异常（撕裂与否）的检测，并利用放射组学工具对MR图像进行三维（3D）卷积分析对手术治疗的撕裂进行病变严重程度分期（全层或部分撕裂）。

本项研究共纳入432名冈上肌腱完整（n = 202）和冈上肌腱撕裂（n = 230，130个全层撕裂和100个部分撕裂）的患者（332个在训练集，100个在外部验证集）。从脂肪饱和的T2加权冠状图像中提取了放射组学特征。使用多变量逻辑回归分析构建并计算了两个用于检测冈上肌腱异常（撕裂与否）的放射组学特征模型，以及阶段性病变严重程度（全厚或部分撕裂）和放射组学评分（Rad-score）。在训练和验证数据集上使用ROC曲线验证了这两个模型的诊断性能。 
对于无撕裂或撕裂的放射组学模型，来自MR图像的13个特征被用来构建放射组学特征，其AUC值在训练集为0.98，在内部验证集为0.97，在外部验证集为0.98。对于全层或局部撕裂的放射组学模型，来自MR图像的13个特征被用来建立放射组学特征，训练集的AUC值为0.79，内部验证集为0.69，外部验证集为0.77。 

图 训练组、验证组1（内部验证）和验证组2（外部验证）中放射组学特征模型的接受者操作特征（ROC）曲线，分别在无撕裂或撕裂组（A）和全层或部分撕裂组（B）中显示

研究表明，本研究提出的放射组学模型能够准确地排除冈上肌腱撕裂，并且能够基于肩部MR图像评估撕裂的严重程度分期，且准确度适中。

原始出处：

Jinfeng Zhan,Song Liu,Cheng Dong,et al.Shoulder MRI-based radiomics for diagnosis and severity staging assessment of surgically treated supraspinatus tendon tears.DOI:10.1007/s00330-023-09523-1