今天，声科小编陪大家共同学习一篇年2月发表在甲状腺领域顶级期刊、美国甲状腺协会会刊《Thyroid》（影响因子：7.）上的最新论文：超声E成像影像组学可提高术前预测甲状腺乳头状癌患者颈部淋巴结转移的准确性
文章由华中医院崔新伍教授医院超声科、医院超声科、医院医院合作发表甲状腺乳头状癌（PTC）是最常见的原发性甲状腺恶性肿瘤，近年在全球范围内发病率迅速增加。尽管PTC具有缓慢的临床过程，但其侵淋巴特性导致的颈部淋巴结转移仍然是一个值得重视的问题，据报道在诊断中有20-90％的患者存在颈部淋巴结转移。
甲状腺乳头状癌外科治疗的最新趋势已经转变为更加个体化、创伤更小的治疗，特别是对于没有甲状腺包膜外侵犯和淋巴结转移的单灶性小(1cm)肿瘤。最新修订的美国甲状腺协会（ATA）指南建议，对于无颈部淋巴结转移的患者，甲状腺单叶切除是安全有效的。
但是在临床实践中医生难以明确患者是否存在淋巴结转移。由于颈部淋巴结转移是PTC患者复发和死亡的重要危险因素，术前准确预测甲状腺乳头状癌患者颈部淋巴结转移，能够为手术方式的选择和肿瘤切除范围提供依据。
超声剪切波成像（超声E成像，SWE）已经成为一种有力的手段来鉴别诊断甲状腺结节良恶性，恶性结节普遍比良性结节要硬，也有研究表明，甲状腺乳头状癌的硬度越硬，其发生颈部淋巴结转移的可能性就越大。那么这项技术能否成为甲状腺PTC患者淋巴结转移风险评估提供有效依据，进而辅助外科治疗选择呢？
本文中的研究团队在年开发和验证了一个超声剪切波E成像影像组学诺模图，该图结合了E成像超声组学特征和临床病理危险因素，能够术前精准预测甲状腺乳头状癌患者颈部淋巴结转移风险。该研究证实超声剪切波成像结合当前超声影像组学技术可以进一步提高预测甲状腺乳头状癌患者颈部淋巴结转移的准确性，从而可能成为一种新的手段用于临床。
影像组学是从医学影像中大规模提取定量图像信息的过程，通过肿瘤分割、特征提取与模型建立，凭借对海量影像数据信息进行更深层次的挖掘、预测和分析来辅助医师做出最准确的诊断。影像组学可直观地理解为将视觉影像信息转化为深层次的特征来进行量化研究。
此项研究纳入名PTC患者作为训练集和90名PTC患者作为外部验证集。研究人员分别从病人的剪切波硬度图像和相应的二维超声(BMUS)灰阶图像中提取形态、纹理等超声影像组学特征。然后，利用最小冗余最大相关(mRMR)算法和最小绝对收缩和选择算子(LASSO)回归模型筛选出与颈部淋巴结转移状态相关的特征，并构建SWE和BMUS影像组学标签（Rad-score）。使用t检验或卡方检验进行单变量分析来确定与颈部淋巴结转移相关的临床病理危险因素。通过结合SWERad-score、BMUSRad-score和临床病理危险因素，构建多元逻辑回归模型，并在该基础上开发出相应的超声影像组学诺模图。
影像组学提取流程
研究结果通过多因素逻辑回归模型将SWERad-score，多灶性和超声报告的淋巴结状况确定为PTC患者淋巴结转移的独立预测因子。结合了这三个预测因子的超声影像组学诺模图显示出了良好的预测性能，在训练集和验证集的AUC值分别达到了0.(95%CI,0.-0.)和0.(95%CI,0.-0.)。
决策曲线分析表明，基于E超声影像组学特征的诺模图在临床上可使患者明显获益。并且该预测模型在临床分期为cN0的亚组中也显示出良好的准确性（AUC0.；95％CI，0.-0.）。
此项研究提出了一种结合了E超声影像组学特征和临床危险因素的非侵入性预测工具，在预测PTC患者术前颈部淋巴结转移方面显示出良好的准确性，预测性能高于单独纳入临床危险因素的预测模型。0.是该预测列线图的最佳参考截断值，当病人的Nomo-score高于0.时被纳入淋巴结转移高危险组（阳性预测值可达79.25%）。因此，在临床上可以根据该研究的诺模图，建议高风险评分病人应进行中央区淋巴结清扫，可根据术中情况而决定是否进行外侧淋巴结清扫。该研究有助于临床医生术前准确评估PTC患者淋巴结转移情况，从而为病人提供更加个体化的临床决策和治疗方案。
在训练集（AB）和验证集(CD)中超声剪切波弹性成像影像组学诺模图对PTC患者淋巴结转移评估的准确性华中医院超声影像科崔新伍教授为文章通讯作者，课题组成员蒋猛博士后为第一作者。专家解读声科E超是继A超、黑白超声（B）、彩超（C、D）之后又一新型超声，即E超，是目前国际超声领域技术领先的超声设备。
医院的广泛认可和大量科研结果与实践经验，由中华医学会超声医学分会于年出版了《超声E成像临床应用指南》一书，目前已经在列的有慢性乙肝、慢性丙肝等原因导致的肝纤维化无创分期、甲状腺、乳腺、肌骨系统等的定量分析诊断，并还在依据临床使用经验进一步扩展。
点击了解更多甲状腺超声相关信息
甲状腺病变血供知多少
甲状腺疾病超声诊断
甲状腺恶性肿瘤预测诊断新工具
E成像预测甲状腺乳头状癌颈部淋巴结转移的应用
SWE在甲状腺良恶性肿物鉴别诊断中的应用！
预览时标签不可点收录于话题#个上一篇下一篇