Eur Urol Focus：膀胱癌淋巴结分期的手动和自动分割放射学特征分析
2022-09-25 AlexYang MedSci原创
评估了定量放射组学特征在检测BC的LN转移中的表现。
膀胱癌（BC）的治疗方案取决于准确的肿瘤分期。到目前为止，计算机断层扫描（CT）推荐用于评估肌层浸润性和高风险BC的淋巴结（LN）转移扩散。然而，由放射科医生评估的CT成像结果诊断效果往往是有限的。
近期，来自德国的研究人员在《Eur Urol Focus》上发表文章，评估了定量放射组学特征在检测BC的LN转移中的表现。
在1354名接受根治性膀胱切除术（RC）并进行了淋巴腺切除术的BC患者中，研究人员将391名有病理结节分期的患者（pN0：n=297；pN+：n=94）纳入了研究，并随机分为训练组（n=274）和测试组（n=117）。研究人员对盆腔LNs进行了手动和自动分割，并从每个LN中共提取了1004个放射组学特征，训练了一个机器学习模型，使用组织病理学特征作为基础来评估PN状态。研究人员使用了接收者操作特征曲线进行统计分析，并在敏感性、特异性和曲线下面积（AUC）方面进行了评估。
研究总共有1845个LNs进行手动分割。在测试组中，自动分割法正确定位了361/557个LNs。与放射科医生的评估相比，手动和自动掩膜在测试队列中的AUC分别为0.80（95%置信区间[CI]0.69-0.91；p=0.64）和0.70（95% CI：0.58-0.82；p=0.17），放射科医生评估的AUC为0.78（95% CI 0.67-0.89）。手工分割的放射组学特征与放射科医生评估的组合模型AUC达到了0.81（95% CI 0.71-0.92；p=0.63）。
不同模型的诊断表现比较
综上所述，放射性组学特征可以较高的诊断准确性辨别结节状态。基于人工LN分割的模型也优于全自动方法。
原始出处：
Eva Gresser， Piotr Woźnicki， Katharina Messmer et al. Radiomics Signature Using Manual Versus Automated Segmentation for Lymph Node Staging of Bladder Cancer. Eur Urol Focus. Sep 2022
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
