Nomogram在脑胶质瘤MR术前病理分级中的应用

摘要

目的 探讨基于传统MR影像特征的定性分析、半定量分析以及可视化Nomogram在脑胶质瘤术前病理分级诊断中的应用价值。资料与方法 回顾性分析中国医科大学附属盛京医院2015年7月—2019年10月经手术病理证实为脑胶质瘤68例患者的增强MR图像(Ⅱ级39例、Ⅲ级13例、Ⅳ级16例),对比不同级别胶质瘤的临床-影像特征,筛选差异有统计学意义的影像特征建立分级诊断的Logistic回归模型,并勾画诺曼图。结果 囊变、出血、瘤周水肿和强化方式在Ⅱ、Ⅲ、Ⅳ级3组间以及高、低级别组间比较,差异均有统计学意义(χ~2=9.770~38.510,P<0.05;χ~2=8.043~37.704,P<0.05)。定性分析对高、低级别胶质瘤分级诊断的曲线下面积(AUC)为0.803。Logistic回归分析对以上影像特征行逐步回归分析,回归模型对高、低级别胶质瘤分级诊断试验的AUC为0.918。回归模型分级诊断Ⅱ、Ⅲ级胶质瘤的AUC为0.870;分级诊断Ⅱ、Ⅳ级胶质瘤的AUC为0.956。勾画的可视化诺曼图的校准曲线显示模型的诊断效能较高。结论 传统MR检查能够提供对胶质瘤分级诊断有价值的影像特征。Logistic回归模型分级诊断高、低级别胶质瘤的诊断效能高于传统定性分析。基于模型勾画的诺曼图有望为临床提供直观的评估工具。