目的: 评估基于二维超声图像的深度学习模型术前预测乳腺癌脉管浸润(lymphovascular invasion,LVI)的可行性,并比较其与超声科医师的传统判读结果,以期为作出个体化治疗决策和实施精准医疗提供新的影像学依据。 方法: 回顾并纳入2020年1月—2023年12月在上海交通大学医学院附属第六人民医院接受乳腺病灶手术且病理学检查确诊为乳腺癌的患者。患者病灶灰阶图像经过标准化处理后,通过基于卷积神经网络(convolutional neural network,CNN)的深度学习模型提取超声图像特征,以预测LVI。计算准确度、灵敏度、特异度和曲线下面积(area under curve,AUC)以评估模型性能,并与不同年资的超声科医师的读片结果进行比较,同时分析深度学习模型对超声科医师辅助诊断的效能。 结果: 共纳入232例患者,共计232个病灶。将数据按8∶2比例随机分为训练集(185例)和验证集(47例)。232例乳腺癌患者中,102例(43.97%)经术后病理学检查证实存在LVI。深度学习模型(支持向量机)在训练集和验证集的AUC分别为0.917(95% CI 0.877~0.956)和0.863(95% CI 0.750~0.975),在验证集中模型的准确度、灵敏度和特异度分别为83.0%、85.7%和80.8%。相比之下,具有5~10年和10~15年经验的超声科医师在验证集的AUC分别为0.623和0.709,显著低于深度学习模型(P<0.05)。在深度学习模型的辅助下,具有10~15年经验的超声科医师读片的AUC提高至0.914,准确度、灵敏度和特异度分别提升至91.5%、90.5%和92.3%。 结论: 基于二维超声图像的深度学习模型在乳腺癌LVI的术前预测中表现出更高的准确性与可靠性。该模型显著优于超声科医师的传统诊断方法,在临床辅助诊断中展现出应用潜力,有助于提升术前评估LVI的精准度,支持患者个体化治疗方案的制订。
目的: 探讨深度学习超声组学在预测乳腺癌腋窝淋巴结(axillary lymph node,ALN)转移中的应用价值。 方法: 回顾并分析2021年1月—2023年12月上海市浦东新区公利医院经病理学检查证实的乳腺癌患者原发灶的超声图像,根据ALN是否转移分为无ALN转移组和有ALN转移组。分析乳腺癌原发灶的超声特征与ALN转移的相关性,并评估其预测ALN转移的效能。基于乳腺癌原发灶超声图像,随机将患者按8∶2分为训练集及测试集,使用9种深度学习模型(ResNet50、EfficientNet、MobileNetV3、DenseNet121、DenseNet201、Vision Transformer、VGG16、MobileViT、Mamba Transformer)来预测ALN转移,通过5折交叉验证,选择效能最优的深度学习模型,并绘制决策曲线分析图,评估9种模型的临床净获益。分析并比较深度学习模型与超声特征预测乳腺癌ALN转移的效能差异。 结果: 共纳入324例乳腺癌患者,共计324个乳腺病灶,其中无ALN转移组198例,有ALN转移组126例。单因素分析结果显示,无ALN转移组和有ALN转移组在乳腺癌原发灶的长径、形态、方位、边缘、钙化、高回声晕、毛刺征及分叶状态之间的差异均有统计学意义(P<0.05)。多因素logistic回归分析结果显示,病灶较大、非平行生长、有高回声晕及毛刺征是乳腺癌ALN转移的独立危险因素,四者联合诊断的受试者工作特征曲线的曲线下面积(area under curve,AUC)为0.805。9种深度学习模型中,DenseNet201效能最高,AUC分别为0.964(训练集)和0.861(测试集)。深度学习模型对ALN转移的预测效能明显优于超声特征。决策曲线分析显示,DenseNet201模型风险阈值在0.170 6到0.605 2之间时净收益明显。 结论: 深度学习超声组学在术前无创评估乳腺癌ALN转移方面具有较高临床应用价值,可为术前诊疗方案的选择提供依据。
目的: 探讨多模态超声特征联合血清癌胚抗原(carcinoembryonic antigen,CEA)、细胞角蛋白(cytokeratin,CK)19水平预测乳腺癌腋窝淋巴结转移。 方法: 回顾并收集2023年2月—2024年8月于秦皇岛市第一医院就诊的乳腺癌患者的多模态超声特征及初诊时血清CEA、CK19的水平,按腋窝淋巴结病理学检查结果分为转移阴性组与阳性组。比较两组患者乳腺癌原发灶的最大径、边缘、有无微钙化、是否平行位、血流显像Adler分级、剪切波弹性成像(shear wave elastography,SWE)的最大弹性值(Emax)和最小弹性值(Emin)等多模态超声特征及血清CEA、CK19的水平,探讨多模态超声特征联合血清CEA、CK19预测乳腺癌腋窝淋巴结转移。 结果: 本研究共纳入136例乳腺癌患者,其中腋窝淋巴结转移阴性组63例,腋窝淋巴结转移阳性组73例。经单因素比较及logistic回归分析,乳腺癌原发灶有微钙化、Adler血流Ⅱ~Ⅲ级、Emax值升高、血清CEA值升高是乳腺癌腋窝淋巴结转移阳性的独立预测因素。联合以上4个因素构建预测模型,其受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)为0.910(95% CI 0.862~0.957)。 结论: 乳腺癌原发灶有微钙化、Adler血流Ⅱ~Ⅲ级、Emax值升高、血清CEA值升高提示腋窝淋巴结转移阳性的可能性更高,由上述4个预测因素构建的logistic回归模型可以在一定程度上预测乳腺癌腋窝淋巴结转移。
目的: 探索乳腺黏液癌(mucinous breast carcinoma,MBC)在多模态超声(multi-parametric ultrasonography,mpUS)即常规超声、剪切波弹性成像(shear wave elastography,SWE)及超声造影(contrast-enhanced ultrasound,CEUS)中的影像学特征,并评估其对MBC的诊断效能。 方法: 回顾并纳入2017年1月—2023年4月上海交通大学医学院附属第一人民医院因乳腺病变入院诊治的患者,以术后病理学检查为金标准。根据随机数字表法,按1∶1.5从同期患者中随机选取乳腺纤维腺瘤(fibroadenoma,FA)患者作为对照组。按照乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)分析影像学特征并进行分类。采用logistic回归筛选有效诊断指标,建立预测模型,绘制受试者工作特征曲线,以曲线下面积(area under curve,AUC)评估诊断效能。 结果: 最终纳入40例MBC患者共40个病灶,包括16例单纯型MBC(pure MBC,PMBC)、24例混合型MBC(mixed MBC,MMBC);60例FA患者,共60个病灶。在常规超声上,50.0%(8/16)的PMBC为BI-RADS 3及4A类,70.8%(17/24)的MMBC为BI-RADS≥4B类。SWE中PMBC和MMBC较FA更多呈不均质质硬表现(62.0%和83.3% vs 25.0%),3~4分是两者与FA鉴别的独立预测因素。CEUS中病变内存在囊性无增强区、边缘增多滋养血管是PMBC与FA鉴别的独立风险因素。相较于MMPC,mpUS较单独常规超声能更显著地提升PMBC与FA的鉴别诊断效能(AUC:0.949 vs 0.858,P<0.05)。 结论: MBC,尤其是PMBC,因其与FA在常规超声声像图上存在重叠征象而常被低估,采用mpUS较单独使用常规超声可显著提高其与FA的鉴别诊断效能。
目的: 探讨胃口服超声造影与胃镜检查早期诊断胃部疾病在社区医院中的应用价值。 方法: 收集2021年6月—2024年8月上海市闵行区浦江社区卫生服务中心收治的胃部疾病患者,所有胃部疾病患者均进行胃镜检查、胃口服超声造影检查,均以病理学检查结果为金标准。统计胃口服超声造影、胃镜检查及两者联合检查与病理学检查结果,比较胃口服超声造影、胃镜检查及两者联合检查的诊断准确度,比较良恶性胃部疾病胃壁厚度。 结果: 共纳入268例患者,病理学检查检出阳性患者183例,其中恶性患者30例;胃口服超声造影检出阳性患者151例,其中恶性患者22例;胃镜检出阳性患者160例,其中恶性患者22例;联合检查检出阳性患者175例,其中恶性患者25例。联合检查对胃炎的诊断准确度为96.91%,高于胃口服超声造影的83.51%(χ2=10.533,P<0.05)。联合检查诊断胃良恶性病变的灵敏度为80.00%,均高于胃口服超声造影、胃镜检查的50.00%、53.00%;联合检查的准确度为97.39%,均高于胃口服超声造影、胃镜检查的91.79%、92.54%(χ2=6.826、8.650,P<0.05)。恶性胃部疾病患者胃壁厚度大于良性胃部疾病患者(t=20.818,P<0.05)。 结论: 胃超声造影与胃镜检查联合检查可提高胃部疾病的检出率,且有助于胃部疾病良恶性的鉴别诊断,且研究观察到恶性病变胃壁厚度大于良性病变。
目的: 基于彩色多普勒超声参数和血清学指标构建预测宫颈癌患者5年内发生死亡的列线图模型,并评估模型的区分度和一致性。 方法: 选取2020年10月—2024年12月在深圳市龙岗区人民医院接受宫颈根治术治疗的宫颈癌患者为研究对象,所有患者术前行彩色多普勒超声检查。收集血清学检查指标。采用多因素回归分析影响宫颈癌患者5年内发生死亡的危险因素。采用R软件构建预测宫颈癌患者5年内死亡风险的列线图模型,并使用受试者工作特征(receiver operating characteristic,ROC)曲线及校准曲线验证列线图模型的区分度和一致性。 结果: 研究共纳入500例宫颈癌患者,按6∶4将宫颈癌患者分为建模集300例和验证集200例。死亡组阻力指数(resistance index,RI)、搏动指数(pulsatility index,PI)低于存活组,病灶内微血管血流丰富、鳞状细胞癌抗原(squamous cell carcinoma antigen,SCCA)≥1.5 ng/mL、糖类抗原125(carbohydrate antigen 125,CA125)≥35 kU/L比例高于存活组,差异有统计学意义(P<0.05)。COX回归分析显示,RI、病灶内微血管血流丰富、SCCA≥1.5 ng/mL、CA125≥35 kU/L是影响宫颈癌患者预后的危险因素(P<0.05)。基于危险因素用R软件建立预测宫颈癌患者5年内发生死亡风险的列线图模型,Hosmer-Lemeshow拟合优度检验显示,建模集χ2=7.629,P=0.471;验证集χ2=9.051,P=0.338;建模集曲线下面积为0.841;验证集曲线下面积为0.822。 结论: 本研究构建的预测宫颈癌患者5年内发生死亡风险的列线图模型,具有较好的区分度和一致性。
目的: 探讨基于机器学习的影像组学模型在预测局部晚期宫颈癌患者同步放化疗后无病生存期(disease-free survival,DFS)及总生存期(overall survival,OS)中的价值。 方法: 回顾并分析双中心接受同步放化疗并持续随访的局部晚期宫颈癌患者资料。测量所有患者T2加权成像(T2-weighted imaging,T2WI)序列中宫颈癌原发灶及其周围5 cm区域的三维影像组学参数。采用6种机器学习方法构建最佳影像组学模型,并分析其对现有临床标志物的增量价值。 结果: 共纳入632例患者,其中中心1的552例患者作为训练集,中心2的80例患者作为验证集。在DFS的预测中,肿瘤及瘤周联合的随机生存森林模型展现出最佳预测效能,其在训练集和验证集中的1年、3年、5年AUC分别为0.955、0.906、0.970和0.781、0.885、0.836。在OS的预测中,肿瘤及瘤周联合的Deepsurv模型展现出最佳预测效能,其在训练集和验证集中的1年、3年、5年曲线下面积(area under curve,AUC)分别为0.977、0.939、0.933和0.846、0.875、0.808。 结论: 基于机器学习的影像组学模型有助于预测局部晚期宫颈癌患者同步放化疗后的DFS、OS,并且影像组学与临床指标的联合具有更高的预测效能,可为宫颈癌患者的诊疗决策和预后预测提供可靠判断依据。
目的: 探讨人工智能(artificial intelligence,AI)软件对肺结节良恶性鉴定及肺结节病理学类型预测的价值。 方法: 收集2020年9月—2024年8月于复旦大学附属肿瘤医院闵行分院进行高危人群肺结节筛查且经病理学检查证实的肺结节患者。应用AI软件分析肺结节的良恶性及病理学类型,并与病理学检查结果进行一致性检验。通过受试者工作特征(receiver operating characteristic,ROC)曲线评估AI软件的诊断效能。 结果: 共纳入62例肺结节患者,其中炎性结节4例,原位癌4例,非典型性腺瘤样增生2例,微浸润腺癌16例,浸润腺癌32例,鳞癌4例。肺结节软件分析诊断肺结节良恶性的灵敏度为98.28%,特异度为75.00%,准确度为96.80%,曲线下面积为0.866。AI软件对肺结节病理学类型预测与病理学检查结果进行一致性检验,Kappa值为0.859。 结论: 基于计算机体层成像(computed tomography,CT)靶扫描的AI软件在肺癌筛查中能够有效地鉴别肺结节良恶性,对肺结节的病理学类型预测也具有参考意义,对医师作出更优化的临床手术决策及对患者肺结节进行精准化管理有很大帮助。
目的: 分析直肠癌患者术后吻合口复发的计算机体层成像(computed tomography,CT)、高分辨率磁共振成像(high-resolution magnetic resonance imaging,HR-MRI)、弥散加权成像(diffusion weighted imaging,DWI)影像学表现及参数,并探究其对复发的诊断价值。 方法: 选取2020年1月—2022年12月资阳市中心医院直肠癌术后疑似吻合口复发的患者为研究对象,患者均行CT、HR-MRI及DWI检查。分析其CT、HR-MRI、DWI影像学表现,以及影像学参数[平扫期、动脉期、静脉期CT值、信号强度值、对比信噪比(contrast noise ratio,CNR)、平均表观弥散系数(apparent diffusion coefficient,ADC)]在直肠癌术后吻合口复发中的诊断价值。 结果: 共纳入103例直肠癌术后疑似吻合口复发患者,经病理学检查证实,复发62例,未复发41例。复发者CT表现:直肠癌术后吻合口复发患者吻合口腔隙变窄、外缘呈不规则增厚,且伴有盆腔组织器官受累;HR-MRI表现:直肠癌术后吻合口复发患者术区肠壁呈不同程度的增厚现象,T1加权成像(T1-weighted imaging,T1WI)序列呈稍长信号,T2加权成像(T2-weighted imaging,T2WI)序列呈长信号,增强扫描呈明显强化,而未复发患者T1WI信号区仅呈轻度强化,为纤维瘢痕组织;DWI表现:直肠癌术后吻合口复发患者DWI呈稍高信号或高信号,ADC图呈低信号,而直肠癌术后吻合口未复发患者DWI呈低信号或稍高信号,ADC图呈高信号。复发患者动脉期、静脉期CT值、信号强度值、CNR高于未复发患者,ADC值低于未复发患者;动脉期CT值、静脉期CT值、信号强度值、CNR、ADC诊断复发的曲线下面积(area under curve,AUC)分别为0.828、0.791、0.747、0.801、0.801,联合诊断直肠癌术后吻合口复发的AUC为0.920(95% CI 0.850~0.964),灵敏度为88.71%,特异度为87.80%,均优于各影像学表现及参数单独诊断(Z=2.485、2.304、3.018、2.313、3.185、3.759、2.706、2.713,均P<0.05),且与病理学检查结果的一致性良好(Kappa=0.759,95% CI 0.566~0.952)。 结论: CT、HR-MRI、DWI联合的多模态影像学对直肠癌术后吻合口复发具有更高的诊断价值。
目的: 基于多参数磁共振成像(magnetic resonance imaging,MRI)及多算法机器学习模型识别原发性中枢神经系统淋巴瘤(primary central nervous system lymphoma,PCNSL)中的Bcl-2和c-Myc双表达淋巴瘤(double-expression lymphoma,DEL)。 方法: 回顾并分析2021年1月—2024年1月茂名市人民医院及信宜市人民医院颅内PCNSL患者的临床资料,根据免疫组织化学染色法检测Bcl-2和c-Myc蛋白的表达分为DEL组和非共表达组(nDEL组)。对T1加权对比增强成像、弥散加权成像及水抑制成像进行手工分割肿瘤并提取影像组学特征。应用重复最小绝对值收缩和选择算子筛选特征,然后使用15种机器学习算法及参数调整、自定义参数组合、10折交叉验证构建鉴别模型。 结果: 共纳入200例颅内PCNSL患者(81例DEL)。训练集、内部验证集和外部验证集之间年龄、性别、是否出血坏死、肿瘤位置、瘤周水肿、肿瘤最大径、肿瘤数量、是否侵犯脑膜或室管膜差异无统计学意义。根据组内相关系数(>0.75)初步获取2 895个稳定性影像学特征,筛选得到16个特征,极端梯度提升模型及梯度提升机模型鉴别效能最优,验证集最高曲线下面积(area under curve,AUC)为0.91。 结论: 基于多参数MRI及多算法机器学习模型在DEL检测中有良好的应用前景。
甲状腺癌的发病率近年逐渐升高。右侧喉返神经后方淋巴结(lymph node posterior to right recurrent laryngeal nerve,LN-prRLN)是甲状腺乳头状癌(papillary carcinoma of the thyroid,PTC)淋巴结转移的重要路径之一,具有转移率较高、隐蔽性较强、与癌症进展高度相关的特点。由于LN-prRLN清扫术伴随风险较高,准确评价LN-prRLN受累情况对手术方式的选择、患者预后预测意义重大。超声作为评价LN-prRLN的首选影像学检查方法,在LN-prRLN术前诊断中发挥重要作用,并随着人工智能的发展而具有更广阔的应用前景。常规超声可直接识别并定位可疑淋巴结,结合超声造影和超声弹性成像增加评估准确度,淋巴超声造影对显示LN-prRLN有极大优势,新兴的超声影像组学可客观、定量提取特征,构建LN-prRLN转移的联合预测模型辅助诊断。本文就超声及其新技术在术前诊断和评估LN-prRLN转移中的应用现状进行综述。