European Radiology：应用超声放射组学分析诊断鼻咽癌患者的颈部淋巴结转移

众所周知，鼻咽癌（NPC）是一种在华南地区发病率较高的癌症，颈部淋巴结转移（CLNM）的发生率很高。颈淋巴结（CLN）的转移状况不仅影响到NPC的分期，也影响到治疗计划。目前磁共振成像（MRI）对鼻咽癌CLNM的诊断标准包括淋巴结最小直径、中心坏死或边缘强化、结节分组和结外肿瘤扩散（ENS），这些都是与预后相关的因素。

由于US具有较高的敏感性和特异性，因此已成为评估颈部淋巴结转移时的重要的成像方式之一。与MRI相比，超声检查更方便且更容易获得，被广泛用于NPC CLN的检查中。剪切波弹性成像（SWE）、增强超声（CEUS）等新技术进一步提高了US在NPC CLNM诊断中的效率。虽然恶性淋巴结多伴有圆形、边缘不锐利、回声均匀、皮质增厚、脐部结构不清晰、坏死等特征，但这些特征也可以在良性淋巴结中发现，包括结核、反应性淋巴增生和肉芽肿性炎症。这阻碍了对淋巴结转移和良性淋巴结改变的识别。同时，US的诊断依赖于医生的经验，这因此主观性较强。

放射组学可利用数据表征算法从医学图像中提取数百个特征，并通过机器学习或深度学习建立算法模型，有助于对肿瘤特征进行客观的分析。放射组学可以按像素级别对US图像的特征进行定量提取和分析，以识别无法在宏观上识别的肿瘤信息，在CLNM预测领域有很大的应用潜力。

近日，发表在European Radiology杂志的一项研究评估了US放射组学分析在诊断鼻咽癌（NPC）患者颈部淋巴结转移（CLNM）中的临床价值。

本项研究共纳入205例NPC CLNM和284例有病理诊断的良性淋巴结。对每个淋巴结最大部分的灰度超声（US）图像进行了特征提取。通过最大相关性最小冗余（mRMR）算法和多变量逻辑最小绝对收缩和选择算子（LASSO）回归来进行特征选择。基于临床特征、放射组学特征和这些特征的组合建立了逻辑回归模型。模型的AUCs通过DeLong's检验进行分析。

在临床模型中，颈部上方的淋巴结、较大的长轴和淋巴结门不清晰是CLNM的重要因素（P < 0.001）。MR和LASSO回归从提取的386个放射组学特征中为放射组学模型选择了7个重要特征。在验证数据集中，临床模型的AUC值为0.838（0.776-0.901），放射组学模型为0.810（0.739-0.881），而综合模型为0.880（0.826-0.933）。在两个数据集中，临床模型和放射组学模型的AUC没有显著差异。DeLong测试显示，在训练（p = 0.049）和验证数据集（p = 0.027）中，联合模型的AUC明显大于临床模型。

 图 LASSO逻辑回归的数字。A 惩罚项的交叉验证图。B 训练数据集中模型的拉索路径图

本项研究表明，超声放射组学分析在筛选有意义的超声特征和提高NPC患者CLNM的诊断效率方面具有潜在的临床价值。

原文出处：

Min Lin,Xiaofeng Tang,Lan Cao,et al.Using ultrasound radiomics analysis to diagnose cervical lymph node metastasis in patients with nasopharyngeal carcinoma.DOI:10.1007/s00330-022-09122-6