基于动态增强MRI影像组学评分和激素受体的列线图预测乳腺癌新辅助化疗不敏感的价值

目的 探讨基于动态增强MRI（DCE-MRI）影像组学评分（Radscore）和激素受体状态的列线图预测乳腺癌新辅助化疗（NAC）疗效不敏感的价值。 方法 回顾性收集128例行乳腺癌NAC治疗的女性病人,平均年龄（49.2±10.0）岁。128例病人按照7∶3比例随机分为训练集90例（疗效敏感者47例,疗效不敏感者43例）和测试集38例（疗效敏感者15例,疗效不敏感者23例）。基于DCE-MRI影像提取并筛选影像组学特征,采用多因素逻辑回归构建影像组学模型并计算模型的Radscore。采用t检验、χ²检验或Fisher确切概率检验比较训练集和测试集中临床病理指标[年龄、雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体-2（HER-2）和肿瘤增殖细胞核抗原-67（Ki-67）],将差异有统计学意义的临床病理指标和Radscore纳入多因素逻辑回归,建立联合模型和列线图。应用受试者操作特征（ROC）曲线下面积（AUC）评价影像组学模型和联合模型的预测效能。应用决策曲线评估影像组学模型和联合模型的临床应用价值。 结果 在训练集中,ER和PR在疗效敏感与不敏感组间的差异均有统计学意义（均P<0.05）,但未得到测试集的验证（均P>0.05）。在训练集中,联合模型预测NAC不敏感的AUC值和准确度分别高于影像组学模型约3.8%和3.1%。在测试集中,联合模型预测NAC不敏感的AUC值高于影像组学模型,其较后者提高了约2.3%,但两者的准确度相同。在基于ER、PR和Radscore构建的联合模型列线图中,Radscore得分最高,其次是ER和PR。决策曲线分析显示联合模型的临床获益高于影像组学模型。 结论 基于DCE-MRI的Radscore和ER、PR构建的联合模型列线图能够较好地预测NAC疗效不敏感。     

定量DCE-MRI参数、ADC值与乳腺癌p53、CK56表达状态相关性研究

目的 探讨定量动态增强磁共振成像（DCE-MRI）参数、表观扩散系数（ADC）值与乳腺癌抑癌基因p53、角蛋白56（CK56）表达状态的相关性。 方法 回顾性分析145例表现为p53、CK56不同表达状态的女性乳腺癌病人资料。病人年龄25~95岁,平均（51.2±11.6）岁。依据p53、CK56结果将病人分为阳性组和阴性组,其中p53阳性者77例,阴性者60例;CK56阳性者31例,阴性者58例。所有病人术前均行乳腺DCE-MRI和扩散加权成像检查。采用t检验比较阳性组与阴性组间病人DCE-MRI定量参数[容积转移常数（K^trans）、速率常数（k_ep）、血管外细胞外间隙容积比（v_e）]、半定量参数[对比剂流入浓度强化率(W-in)、对比剂流出浓度衰减率（W-out）、对比剂浓度达峰时间（TTP）]及ADC值的差异,采用Spearman相关分析上述变量与p53、CK56表达状态的相关性,采用受试者操作特征（ROC）曲线分析并计算其敏感度、特异度和相应曲线下面积（AUC）。 结果 p53阳性组的k_ep、W-in值高于阴性组,而W-out值低于阴性组（均P<0.05）;CK56阳性组的ADC值低于阴性组（P<0.05）。p53表达状态与k_ep、W-in、W-out均呈弱相关（均P<0.05）,CK56表达状态与ADC值呈弱相关（P<0.05）。比较k_ep、W-in、W-out及三参数联合的诊断效果,W-out值诊断p53阳性的敏感度最高（0.850）,k_ep值和三参数联合诊断p53阳性的特异度最高（0.900）,三参数联合诊断p53阳性的AUC最高（0.640）,k_ep的AUC最低（0.609）,三参数联合较单参数k_ep的诊断效能提高了3.1%;ADC值鉴别CK56阳性的敏感度、特异度和AUC分别为0.862、0.548和0.657。 结论 定量DCE-MRI参数k_ep、W-in、W-out能够鉴别p53表达状态,ADC值能够鉴别CK56表达状态,但诊断效能均偏低。     

基于MRI影像组学模型与临床模型预测乳腺癌新辅助化疗病理完全缓解效能分析

目的 比较基于动态增强磁共振成像（DCE-MRI）、表观扩散系数（ADC）图的影像组学模型以及基于临床特征模型预测乳腺癌新辅助化疗(NAC)病理完全缓解（PCR）的效能。 方法 回顾性收集91例行乳腺癌NAC并有疗效病理评估结果的女性病人,平均年龄（48.45±9.49）岁。将91例病人按照7∶3比例分为训练组（63例）和验证组（28例）。2组均进行NAC疗效病理评估,训练组中PCR者16例、病理部分缓解（PPR）者47例,验证组中PCR者7例、PPR者21例。所有病人均在NAC前行DCE-MRI和扩散加权成像（DWI）检查。采用单因素Logistic回归对病人年龄、雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体2（HER-2）、肿瘤增殖细胞核抗原（Ki-67）表达状态进行分析,然后基于有统计学意义的临床特征建立临床模型。提取并筛选影像组学特征,采用多元Logistic回归构建DCE模型和ADC模型,计算相应模型影像组学评分（DCE-Radscore和ADC-Radscore）。采用t检验、卡方检验或Fisher确切概率检验比较训练组和验证组中PCR者和PPR者间的临床特征和影像组学评分。采用受试者操作特征（ROC）曲线评估模型的预测效能,并计算其敏感度、特异度和曲线下面积（AUC）。采用决策曲线评估模型的临床应用价值。 结果 训练组中,PCR者的ER、PR阴性率、DCE-Radscore均高于PPR者（均P<0.05）,并在验证组中得到验证（P<0.05）。训练组中PCR者的ADC-Radscore高于PPR者（P<0.05）,但未得到验证组验证（P>0.05）。训练组中,临床模型预测PCR的AUC值（0.823）及敏感度（0.875）最高,其次是ADC模型,DCE模型最低（AUC为0.750,敏感度为0.688）。验证组中,临床模型预测PCR的AUC值最高（0.793）而敏感度（0.571）最低,ADC模型AUC（0.639）最低但敏感度(1.000)最高。决策曲线分析显示应用临床模型具有最大的净获益,其次是ADC模型,DCE模型最低。 结论 ADC模型、DCE模型和临床模型均能预测PCR,其中临床模型预测效能和净获益最高。     

棕色瘤一例报告并文献复习

<正>棕色瘤既往在临床少见,近年来相对常见,个案报道也越来越多,但检查相对单一,本例棕色瘤检查较为齐全,涵盖实验室检查、X线、CT、MRI、超声、甲状旁腺显像及PET-CT等,综合多种检查的报道较少,故将此病例报告如下。1病例资料患者男,27岁,因左侧肱骨疼痛半月,加重2天入院。实验室检查:全型甲状旁腺激素PTH 2644.10pg/mL(正常值范围:15-68.3pg/mL);碱性磷酸酶ALP 1468U/L(正常值范围:45-125U/L);血钙3.62mmol/L(正常值范围:2.0-2.5mmol/L);血磷0.67mmol/L(正常值范围:0.9-1.34mmol/L)。