目的:探讨基于增强MRI图像的影像组学和临床指标列线图术前预测鼻腔鼻窦鳞状细胞癌（SNSCC）组织学分级的价值。方法:回顾性收集2017年1月至2021年5月复旦大学附属眼耳鼻喉科医院经术后病理证实，且组织学分级明确的167例SNSCC患者，其中低级别组78例（组织学分级Ⅰ、Ⅱ级）、高级别组89例（Ⅲ级）。采用分层抽样法以7∶3的比例分为训练集（117例，高级别组64例、低级别组53例）和验证集（50例，高级别组25例、低级别组25例）。在脂肪抑制增强后T 1WI中手动分割原发肿瘤，获得感兴趣容积，提取影像组学特征。在训练集中，使用最小绝对收缩与选择算子回归对影像组学特征进行降维，根据各自的加权系数建立影像组学标签。采用logistic回归分析确定SNSCC组织学分级的高危临床因素，建立临床模型。联合临床高危因素和影像组学标签建立临床-影像组学标签模型，并构建列线图。采用受试者操作特征（ROC）曲线、校准曲线评估列线图的效能，决策曲线分析（DCA）评估列线图的临床应用价值。 结果:经logistic回归分析，将肿瘤原发部位（OR值7.376，95%CI 2.517~21.618， P<0.001）和TNM分期（OR值10.020，95%CI 3.654~27.472， P<0.001）构建临床模型，在训练集和验证集中ROC曲线的曲线下面积（AUC）分别为0.798、0.784，灵敏度84.4%、84.0%，特异度58.5%、68.0%。基于增强后T 1WI，共筛选出9个影像组学特征用于建立影像组学标签，其在训练集中的AUC为0.833、灵敏度82.8%、特异度73.6%，验证集中AUC为0.851、灵敏度92.0%、特异度68.0%。基于临床-影像组学标签构建的列线图在训练集和验证集中预测SNSCC组织学分级的AUC分别为0.920、0.912，灵敏度为89.1%、92.0%，特异度为83.0%、84.0%。训练集和验证集中，列线图的校正曲线均接近理想线。DCA显示训练集中阈值概率为<85%，验证集中阈值概率为20%~65%、72%~90%，列线图模型临床净获益优于影像组学标签和临床模型。 结论:基于MRI增强的影像组学联合临床指标肿瘤原发部位、TNM分期构建的列线图对SNSCC的组织学分级具有更好的预测能力，优于单独使用临床模型和影像组学模型。

鼻窦肿瘤;癌，鳞状细胞;磁共振成像;组织学分级;列线图;影像组学

于思慧;林奈尔;程玉书;沙炎

复旦大学附属眼耳鼻喉科医院放射科，上海　200031

中华放射学杂志

[1]于思慧;林奈尔;程玉书;沙炎-.基于增强MRI的影像组学和临床指标列线图术前预测鼻腔鼻窦鳞状细胞癌组织学分级的价值)[J].中华放射学杂志,2022(07):751-757

SNSCC

临床指标,术前预测,鼻腔鼻窦,鳞状细胞癌,癌组织,组织学分级,复旦大学,眼耳鼻喉科,经术,术后病理,中低级别,别组,高级别,分层抽样法,训练集,验证集,脂肪抑制,T ,1WI,原发肿瘤,感兴趣容积,影像组学特征,选择算子,加权系数,logistic,临床因素,临床模型,高危因素,标签模型,操作特征,校准曲线,决策曲线分析,DCA,临床应用价值,TNM,征用,基于临床,校正曲线,近理,列线图模型,学联,预测能力,鼻窦肿瘤,磁共振成像

0.212162