一项基于放射病理组学的多模态研究，用于预测乳头状甲状腺癌的甲状腺外扩散情况

《BMC Endocrine Disorders》：A multimodal study on predicting extrathyroidal extension of papillary thyroid carcinoma based on radiopathomics

　　

摘要

目的

我们旨在开发并验证一种放射病理组学模型，用于预测乳头状甲状腺癌（PTC）的甲状腺外扩展（ETE）情况。

方法

这项回顾性研究纳入了388名PTC患者，这些患者来自2017年6月至2024年4月间的五个医疗中心，研究中包含了患者的术前超声检查和400张细胞学图像。我们使用Python和CellProfiler工具分析这些图像以提取特征。特征选择通过单变量分析、Spearman相关性分析和LASSO回归来完成。随后使用XGBoost算法构建了放射组学模型、病理组学模型以及联合放射病理组学模型。在外部验证队列中，将放射病理组学模型的诊断性能与放射科医生的诊断性能进行了比较。模型和放射科医生的性能评估采用了接收者操作特征曲线下面积（AUC）指标。通过SHAP分析对放射病理组学模型进行了可视化解读。

结果

该放射病理组学模型最终选择了21个用于构建模型的特征。在训练集、内部验证集和外部验证集中，该模型的AUC值分别为0.887、0.857和0.873，优于单一放射组学模型（AUC分别为0.824、0.787和0.804）以及病理组学模型（AUC分别为0.809、0.811和0.794）。与放射科医生相比，该模型的平均准确率从0.661提高到了0.821。SHAP分析表明，放射组学特征在诊断ETE方面起主要作用，而病理组学特征则提供了额外的辅助信息。

结论

这种放射病理组学模型作为一种有前景的辅助工具，可用于术前ETE风险的分层评估，并有助于提高放射科医生的诊断准确性。

临床试验编号

不适用。