对于接受前列腺癌根治术(RP)的患者来说，淋巴结侵犯(LNI)的存在是一个提示预后不佳的重要标志。扩大盆腔淋巴结清扫术(ePLND)是前列腺癌的标准治疗方案，RP术后的一个关键性决定因素是确定哪些患者应该接受ePLND。然而，由于该手术的并发症包括淋巴水肿和血栓栓塞，美国泌尿外科协会(AUA)指南将ePLND的适用范围限定于淋巴结受累的高风险患者。目前ePLND的适应症十分有限，但差别很大。

        临床上已经开发了几个列线图对最合适进行ePLND的前列腺癌(PCa)患者进行筛选。最近的研究表明，多参数磁共振成像(mpMRI)有助于预测LNI，然而目前的评估方法预测性能有限，曲线下面积(AUC)从0.720到0.806不等。放射组学是一种定量成像技术，在给定的感兴趣区(ROI)内提供定量成像信息，并在帮助预测PCa的侵袭性和预测结直肠癌患者的LNI方面显示出良好的结果。

        近日，发表在EuropeanRadiology杂志的一项研究通过机器学习建立了一项将基于MRI的放射组学特征与常规使用的临床特征(包括临床 检验结果、人口统计信息和活检相关结果)的预测模型来预测PCa患者的LNI，本研究评估了放射组学特征和临床特征组合的优势，并将的放射组学模型(IRM)组合与常用的提列线图进行了比较。

        本研究提出了一个综合的放射组学模型(IRM)来预测经组织病理学检查证实的LNI，该模型整合了从MRI图像上的前列腺病变区域提取的放射组学特征和通过SVM提取的临床特征。研究队列包括244名患有MRI的PCa患者，每位患者均在2010年至2019年期间接受了根治性前列腺切除术(RP)和ePLND的随访。所提出的IRM在训练/验证集中进行了训练，并在内部独立测试集中进行了评估。该模型的性能由曲线下面积(AUC)、敏感性、特异性、阴性预测值(NPV)和阳性预测值(PPV)衡量。AUCs通过Delong检验与95%的置信区间(CI)进行比较，其余测量值通过卡方检验或Fisher精确检验进行比较。

        总的来说，17(10.6%)和14(16.7%)名LNI患者分别被纳入训练/验证集和测试集。形状和一阶放射组学特征在构建IRM时显示出有用性。拟议的IRM在测试集中达到了0.915(95%CI：0.846-0.984)的AUC，优于先前存在的列线图，其AUC为0.698至0.724(P<0.05)。

        图a IRM和其他机器学习方法之间的ROC曲线比较。绿色、蓝色和红色曲线分别是仅使用放射组学特征的模型、仅使用临床特征的模型和IRM模型的ROC曲线。 b IRM与耶鲁、MSKCC、Briganti和Roach的ROC曲线比较。橄榄色、青色、橙色、粉红色和红色的曲线是耶鲁大学、MSKCC、Briganti、Roach和IRM模型的ROC曲线

        本研究所提出的综合放射组学模型(IRM)可用于前列腺癌(PCa)患者淋巴结浸润(LNI)方面的预测。与仅使用每个特征组的机器学习模型相比，基于mpMRI的放射组学特征与临床特征的整合有助于预测性能的提高。与先前存在的列线图相比，拟议的IRM表现出更佳的诊断性能，AUC为0.915。所提出的模型可用于预测PCa患者LNI存在，因此有助于减少患者不必要的扩大盆腔淋巴结切除术(ePLND)的实施。

        原文出处：

        Haoxin Zheng,Qi Miao,Yongkai Liu,et al.Multiparametric MRI-based radiomics model to predict pelvic lymph node invasion for patients with prostate cancer.DOI:10.1007/s00330-022-08625-6