目的 探讨表观扩散系数平均值(mean apparent diffusion coefficient,ADCmean)联合前列腺特异性抗原密度(prostate specific antigen density,PSAD)对前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)≥...目的 探讨表观扩散系数平均值(mean apparent diffusion coefficient,ADCmean)联合前列腺特异性抗原密度(prostate specific antigen density,PSAD)对前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)≥3分临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的预测价值。材料与方法 回顾性分析2022年2月至2024年8月期间我院行前列腺MRI检查PI-RADS评分≥3分且有病理组织学检查患者的临床资料和影像资料。选择最高PI-RADS评分且最大病灶的最大层面勾画感兴趣区(region of interest,ROI),测量病灶的ADCmean和表观扩散系数最小值(min apparent diffusion coefficient,ADCmin)。单因素和多因素logistic回归分析筛选出预测csPCa的最佳临床和影像指标,采用受试者工作特征(receiver operating characteristics,ROC)曲线比较最佳临床和影像预测模型及两者联合模型的诊断效能,计算曲线下面积(area under the curve,AUC)、敏感度和特异度,并行DeLong检验。结果 本研究共纳入csPCa患者75例(48.39%),非csPCa患者80例(51.61%)。csPCa组的年龄、总前列腺特异性抗原(total prostate specific antigen,tPSA)、游离前列腺特异性抗原(free prostate specific antigen,fPSA)、PSAD大于非csPCa组,csPCa组的前列腺体积(prostate volume,PV)、fPSA和tPSA比值(f/t)、ADCmin、ADCmean均小于非csPCa组,差异具有统计学意义(均P<0.05)。逐步logistic回归筛选和ROC曲线分析,获得预测csPCa的最佳临床指标为PSAD和影像指标ADCmean,AUC分别为0.846、0.898,PSAD诊断阈值为0.307 ng/mL2,敏感度为66.67%,特异度为91.25%,ADCmean诊断阈值为773.5 mm2/s,敏感度为86.67%,特异度为85.00%,两者联合模型的AUC高达0.925。DeLong检验比较联合模型与单一模型的AUC差异有统计学意义(P<0.05),联合模型预测csPCa的敏感性和特异度分别为86.67%和88.75%。结论 ADCmean对PI-RADS≥3分csPCa的预测效能优于ADCmin,与PSAD的联合模型能进一步提高对PI-RADS≥3分csPCa的预测价值,对临床诊疗具有指导意义。展开更多
目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)成像与表观扩散系数(apparent diffusion coefficient,ADC)在评估直肠癌肿瘤出芽(tumor budding,TB)等级中的价值。材料与方法回顾性分析了121例直肠癌患者的临床及影像...目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)成像与表观扩散系数(apparent diffusion coefficient,ADC)在评估直肠癌肿瘤出芽(tumor budding,TB)等级中的价值。材料与方法回顾性分析了121例直肠癌患者的临床及影像资料,根据病理TB计数进行分组,分为中-低级别组和高级别组,对比两组间APT值及ADC值;采用组内相关系数(intra-class correlation coefficient,ICC)对观察者间所测数据的一致性进行检测。应用二元logistic回归整体输入法分析变量与直肠癌TB等级的相关性。采用受试者工作特征(receiver operating characteristic,ROC)曲线分析差异有统计学意义的参数以及其联合后的评估效能,计算曲线下面积(area under the curve,AUC)及其95%置信区间,以及对应的阈值、敏感度、特异度。采用DeLong检验比较各AUC的差异。采用Spearman相关性分析方法来分析各参数与TB的相关性。结果121例直肠癌患者中中-低级别组69例,高级别组52例。2位医师测量的APT值及ADC值结果一致性良好(ICC分别为0.925、0.877)。中-低级别直肠癌TB组的APT值(2.068%±0.588%)低于高级别TB组(3.167%±0.592%)(P<0.001);中-低级别直肠癌TB组的ADC值[(1.064±0.131)×10^(-3)mm^(2)/s]高于高级别TB组[(0.903±0.138)×10^(-3)mm^(2)/s]。在多变量分析中,APT值[比值比:15.079(95%CI:4.822~47.154)]和ADC值[比值比:0.004(95%CI:0.001~0.228)]是预测TB等级的独立危险因素。APT、ADC及两者联合评估直肠癌TB等级的AUC分别为0.916、0.821、0.918。DeLong检验结果显示ADC值与APT值、两者联合后评估TB等级的AUC间差异有统计学意义(P=0.024、0.004)。决策曲线显示两者联合后较单独使用APT及ADC值具有更高的临床价值。APT值与TB等级呈中度正相关(r=0.713,P<0.001),ADC值与TB等级呈中度负相关(r=-0.550,P<0.001)。结论APT和ADC值均能够术前有效评估直肠癌的TB等级,两者联合应用可提高诊断效能。展开更多
文摘目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)定量参数直方图特征联合表观弥散系数(apparent diffusion coefficient,ADC)预测局部晚期宫颈癌(locally advanced cervical cancer,LACC)放化疗疗效的价值。材料与方法于甘肃省人民医院回顾性分析2017年1月至2023年12月88例LACC同步放化疗患者的临床及影像资料,前瞻性收集2023年12月至2024年5月15例LACC患者。按照实体瘤临床疗效评价标准(response evaluation criteria in solid tumor,RECIST)v1.1将患者分为显著反应组与非显著反应组。在DCE-MRI图像上选择肿瘤最大层面全肿瘤轮廓作为感兴趣区(region of interest,ROI)获得转运常数(volume transport constant,K^(trans))、血管外细胞外间隙容积分数(extravascular extracellular volume fraction,Ve)、速率常数(rate constant,K^(ep))原始频数表,导入IBM SPSS Statistics 27软件计算直方图特征,103例患者基于时间序列分层分割策略分为训练集88例,验证集15例,利用机器学习筛选最优DCE-MRI定量参数直方图特征并计算灌注参数评分(DCEscore);同时在ADC图测量ADC值。构建DCE直方图特征模型、ADC值及联合模型预测LACC放化疗疗效。采用受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和决策曲线评估模型效能。比较临床参数及直方图特征在LACC患者放化疗疗效显著反应组及非显著反应组间差异,单因素及多因素回归分析筛选宫颈癌放化疗疗效独立危险因素。结果基于DCE-MRI定量参数直方图特征模型预测LACC患者放化疗疗效训练集、验证集ROC曲线下面积(area under the curve,AUC)分别为0.922、0.841;ADC值预测LACC患者放化疗疗效训练集、验证集AUC为0.835、0.705;DCEscore联合ADC值预测LACC患者放化疗疗效效能最佳,训练集、验证集AUC为0.943、0.909。临床参数中,身体质量指数(body mass index,BMI)在显著反应组及非显著反应组之间差异具有统计学意义(P=0.032)。单因素逻辑回归分析结果表明BMI、DCEscore、ADC是LACC放化疗疗效的影响因素(OR值分别为1.264、277.9、0.001;P值分别为0.008、<0.001、0.002),多因素逻辑回归筛选DCEscore及ADC值是宫颈癌放化疗疗效的独立危险因素(OR值分别为518.2、0.002;P值分别为<0.001、0.007)。结论基于DCE-MRI定量参数直方图特征联合ADC值构建的联合模型能够治疗前预测宫颈癌放化疗疗效,提示DCE-MRI定量参数直方图特征联合ADC值可能为LACC患者精准医疗提供一种无创评估方法。
文摘目的 探讨表观扩散系数平均值(mean apparent diffusion coefficient,ADCmean)联合前列腺特异性抗原密度(prostate specific antigen density,PSAD)对前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)≥3分临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的预测价值。材料与方法 回顾性分析2022年2月至2024年8月期间我院行前列腺MRI检查PI-RADS评分≥3分且有病理组织学检查患者的临床资料和影像资料。选择最高PI-RADS评分且最大病灶的最大层面勾画感兴趣区(region of interest,ROI),测量病灶的ADCmean和表观扩散系数最小值(min apparent diffusion coefficient,ADCmin)。单因素和多因素logistic回归分析筛选出预测csPCa的最佳临床和影像指标,采用受试者工作特征(receiver operating characteristics,ROC)曲线比较最佳临床和影像预测模型及两者联合模型的诊断效能,计算曲线下面积(area under the curve,AUC)、敏感度和特异度,并行DeLong检验。结果 本研究共纳入csPCa患者75例(48.39%),非csPCa患者80例(51.61%)。csPCa组的年龄、总前列腺特异性抗原(total prostate specific antigen,tPSA)、游离前列腺特异性抗原(free prostate specific antigen,fPSA)、PSAD大于非csPCa组,csPCa组的前列腺体积(prostate volume,PV)、fPSA和tPSA比值(f/t)、ADCmin、ADCmean均小于非csPCa组,差异具有统计学意义(均P<0.05)。逐步logistic回归筛选和ROC曲线分析,获得预测csPCa的最佳临床指标为PSAD和影像指标ADCmean,AUC分别为0.846、0.898,PSAD诊断阈值为0.307 ng/mL2,敏感度为66.67%,特异度为91.25%,ADCmean诊断阈值为773.5 mm2/s,敏感度为86.67%,特异度为85.00%,两者联合模型的AUC高达0.925。DeLong检验比较联合模型与单一模型的AUC差异有统计学意义(P<0.05),联合模型预测csPCa的敏感性和特异度分别为86.67%和88.75%。结论 ADCmean对PI-RADS≥3分csPCa的预测效能优于ADCmin,与PSAD的联合模型能进一步提高对PI-RADS≥3分csPCa的预测价值,对临床诊疗具有指导意义。
文摘目的探讨基于表观扩散系数(apparent diffusion coefficient,ADC)最小值(ADCmin)及临床和影像特征构建模型预测高强度聚焦超声(high intensity focused ultrasound,HIFU)治疗子宫肌瘤的临床疗效。材料与方法回顾性收集2021年9月至2023年12月行子宫肌瘤HIFU治疗并符合纳排标准的153例患者临床及影像资料,共153枚肌瘤纳入研究(单病例存在多个肌瘤取其肌瘤最大枚)。超声评估HIFU治疗3个月后肌瘤体积缩小率,并将其分为疗效显著组(≥50%体积缩小,n=62)和非显效组(<50%体积缩小,n=91)。测量子宫肌瘤ADCmin和ADC平均值(ADC_(mean)),采用单因素分析和多因素logistic回归对临床和影像资料进行筛选后建立临床影像模型。通过受试者工作特征(receiver operating characteristic,ROC)曲线比较子宫肌瘤ADCmin和ADC_(mean)的预测效能,选择子宫肌瘤ADC具有较高预测效能的量化指标与临床及影像特征结合构建联合模型。ROC评估ADCmin、临床影像模型及联合模型的预测效能,DeLong检验比较不同模型间ROC曲线下面积(area under the curve,AUC)的差异。结果共筛出血红蛋白、身体质量指数(body mass index,BMI)、T1WI增强信号程度三个因素建立临床影像特征模型。ROC曲线显示ADCmin、ADC_(mean)的AUC值分别为0.753[95%置信区间(confidence interval,CI):0.677~0.828]、0.658(95%CI:0.570~0.746),DeLong检验结果表明ADCmin的预测效能高于ADC_(mean)(P<0.05)。临床影像模型及ADCmin与临床影像特征联合模型的AUC值分别为0.711(95%CI:0.627~0.796)、0.816(95%CI:0.748~0.884),DeLong检验显示ADCmin的预测效能与临床影像模型的AUC差异无统计学意义(P>0.05)。ADCmin与临床及影像特征联合模型的预测效能优于ADCmin值(P<0.05)及临床影像特征模型(P<0.05)。结论ADCmin与临床及影像特征构建的联合模型可有效预测HIFU治疗子宫肌瘤的临床疗效,并能为临床治疗方案的制订提供一定参考依据。
文摘目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)成像与表观扩散系数(apparent diffusion coefficient,ADC)在评估直肠癌肿瘤出芽(tumor budding,TB)等级中的价值。材料与方法回顾性分析了121例直肠癌患者的临床及影像资料,根据病理TB计数进行分组,分为中-低级别组和高级别组,对比两组间APT值及ADC值;采用组内相关系数(intra-class correlation coefficient,ICC)对观察者间所测数据的一致性进行检测。应用二元logistic回归整体输入法分析变量与直肠癌TB等级的相关性。采用受试者工作特征(receiver operating characteristic,ROC)曲线分析差异有统计学意义的参数以及其联合后的评估效能,计算曲线下面积(area under the curve,AUC)及其95%置信区间,以及对应的阈值、敏感度、特异度。采用DeLong检验比较各AUC的差异。采用Spearman相关性分析方法来分析各参数与TB的相关性。结果121例直肠癌患者中中-低级别组69例,高级别组52例。2位医师测量的APT值及ADC值结果一致性良好(ICC分别为0.925、0.877)。中-低级别直肠癌TB组的APT值(2.068%±0.588%)低于高级别TB组(3.167%±0.592%)(P<0.001);中-低级别直肠癌TB组的ADC值[(1.064±0.131)×10^(-3)mm^(2)/s]高于高级别TB组[(0.903±0.138)×10^(-3)mm^(2)/s]。在多变量分析中,APT值[比值比:15.079(95%CI:4.822~47.154)]和ADC值[比值比:0.004(95%CI:0.001~0.228)]是预测TB等级的独立危险因素。APT、ADC及两者联合评估直肠癌TB等级的AUC分别为0.916、0.821、0.918。DeLong检验结果显示ADC值与APT值、两者联合后评估TB等级的AUC间差异有统计学意义(P=0.024、0.004)。决策曲线显示两者联合后较单独使用APT及ADC值具有更高的临床价值。APT值与TB等级呈中度正相关(r=0.713,P<0.001),ADC值与TB等级呈中度负相关(r=-0.550,P<0.001)。结论APT和ADC值均能够术前有效评估直肠癌的TB等级,两者联合应用可提高诊断效能。
