基于腹腔镜超声的影像组学机器学习模型预测肾脏小肿块良、恶性的价值*

王 婷，管 维，李 凡，余 杨△，邓又斌

华中科技大学同济医学院附属同济医院 1超声影像科 2泌尿外科，武汉 430030

近年来，肾细胞癌的发病率一直在增加，同时，肾脏小肿块(最大直径≤4 cm的肾脏肿块)的发病率也在增加，现在占所有肾脏肿块的40%[1]。一项包括了2007年至2014年间18060名患者的队列研究结果表明，有30.9%术前诊断为恶性的肾脏肿块手术切除后诊断为良性[2]。目前，保留肾单位手术(nephron sparing surgery，NSS)是临床T1期肾细胞癌(renal cell carcinoma，RCC)患者的首选治疗方式[3]。为了保证手术切缘阴性，切除的肿块外层包裹了一层正常肾脏组织，但是切除正常肾实质可能会损害肾功能[4]，术前的准确诊断是影响外科医生最终切除范围的关键因素。

最近，影像组学特征分析和机器学习算法在基于CT和磁共振成像的各种医学任务中表现良好[5-8]，然而，鲜见文献评估这些技术从超声图像上鉴别肾脏肿块良、恶性的诊断性能。本研究尝试采用特征选择算法结合多种机器学习算法构建基于影像组学的预测模型，并对模型从腹腔镜二维超声图上鉴别肾脏肿块良、恶性的性能进行定量评估。

1 资料和方法

1.1 研究对象

回顾性收集2012年12月至2019年12月在华中科技大学同济医学院附属同济医院进行了腹腔镜NSS的肾脏肿块患者的临床、病理和腹腔镜超声检查资料。纳入标准：①手术前进行过腹腔镜超声检查，有病灶二维超声图像的存储资料；②有明确的组织病理学诊断结果；③无其他恶性肿瘤病史；④腹腔镜超声检查前未经射频消融等处理。……