肿瘤全域表观扩散系数诺模图诊断高级别子宫内膜癌的价值

摘要

目的:探讨并验证肿瘤全域表观扩散系数(apparent diffusion coefficient,ADC)诺模图术前预测高级别子宫内膜癌(endometrial carcinoma,EC)的应用价值。方法:回顾性收集经术后病理证实为EC患者142例,按7∶3的比例分为训练组(n=99)与验证组(n=43)。所有患者术前均接受3.0-T MR检查。采用3D Slicer软件,于轴位T2WI和ADC图上,沿肿瘤边缘逐层勾画感兴趣区,生成3D感兴趣容积(volume of interesting,VOI),获得ADC肿瘤全域直方图参数,包括最大值(ADC_(max)),最小值(ADC_(min)),平均值(ADC_(mean)),偏度(skewness),峰度(kurtosis),熵(entropy),第5(5th)、第10(10 th)、第25(25 th)、第50(50 th)、第75(75 th)、第90(90th)和第95(95th)百分位数ADC值。测量肿瘤形态学参数,包括肿瘤体积、肿瘤最大径、矢状位T2WI肿瘤的最大前后径(maximum anteroposterior tumor diameter on sagittal T2-weighted imaging,APsag)和肿瘤面积比(tumor area ratio,TAR)。组内相关系数(intraclass correlation coefficient,ICC)用于评价不同观测者间测量的变异性。利用逻辑回归(logistic regression,LR)构建ADC分数(ADC_(score));联合ADC_(score)、肿瘤的形态学及临床参数构建诺模图,绘制校正曲线及决策曲线。结果:ADC直方图参数中ADC_(min)、ADC_(5th)、ADC_(10th)、ADC_(25th),所有的形态学参数(肿瘤体积、肿瘤最大径、APsag、TAR)和临床参数(年龄)在高级别与低级别EC组间具有统计学差异(P<0.05)。经LR筛选,最终纳入ADC_(min)、ADC_(5th)、ADC_(10th)、ADC_(25th)构建ADC_(score)。联合年龄、APsag及ADC_(score)构建ADC诺模图(经多因素LR分析,以上3个参数为分类高级别与低级别EC的独立风险因素),其预测高级别EC的受试者工作特性曲线下面积(area under curve,AUC)、敏感性、特异性在训练组分别为0.845、81.16%、72.46%,验证组分别为0.842、76.67%、80.00%。校正曲线显示,ADC诺模图预测高级别EC具有较高的准确性;决策曲线显示其预测高级别EC在训练组和验证组效能相似。结论:肿瘤全域ADC诺模图有助于术前预测高级别EC,并具有较好的稳定性及良好的诊断效能。