基于多参数磁共振成像（MRI）的可解释性栖息地特征与肿瘤周围放射组学数据在术前高风险前列腺癌预测中的应用：一项多机构研究

《Journal of Translational Medicine》：Interpretable habitat and peritumoral radiomics from multiparametric MRI for preoperative high-risk prostate cancer prediction: a multi-institutional study

前列腺癌术前评估通过整合生境放射组学与周围区域MRI分析提升预测效果，3mm周围区域模型最优（AUC 0.782-0.793），生境特征（AUC 0.827-0.855）和ADC衍生特征主导SHAP分析，显著优于内源性及临床指标（p<0.001）。

　　

摘要

背景

当前的术前评估方法存在局限性，包括PI-RADS评分的主观性以及在区分高风险前列腺癌与良性及低风险病变时的诊断不确定性。本研究旨在开发一个可解释的集成学习框架，结合基于组织的放射组学信息和多参数MRI的肿瘤周围分析，以预测高风险前列腺癌。

方法

这项回顾性、多机构研究共纳入了896名疑似前列腺病变患者，这些患者的诊断通过组织病理学得到确认，研究在三个中心进行（2018年1月至2024年12月）。肿瘤内组织结构分析采用了K均值聚类方法；肿瘤周围分析评估了1毫米、3毫米和5毫米范围内的扩展区域。特征选择采用了最小冗余最大相关性（mRMR）和LASSO回归算法。模型通过SHAP分析进行了外部验证，以确保其可解释性。

结果

研究队列包括398名训练数据患者、171名内部验证患者和327名外部验证患者。基于组织结构的特征签名在外部验证队列中的表现更为优异，AUC分别为0.827（95%置信区间：0.768–0.886）和0.855（95%置信区间：0.795–0.915），显著优于肿瘤内特征签名（AUC分别为0.774和0.629，p<0.001）以及临床特征签名（AUC分别为0.791和0.712，p<0.001）。其中，3毫米范围内的肿瘤周围特征签名表现最佳（AUC为0.782–0.793）。组合模型的性能最高（AUC为0.860–0.876）。SHAP分析显示，ADC（动脉密度值）衍生的特征在模型中占据主导地位，其中H3组织区域贡献了超过70%的被选特征。

结论

结合组织结构和肿瘤周围信息的放射组学方法为前列腺癌的术前风险分层提供了可靠的支持，尤其是ADC衍生的组织结构特征表现出更优异的性能。

试验注册

不适用。这是一项回顾性观察性研究，未进行前瞻性试验注册。