基于MRI影像组学模型预测宫颈淋巴血管间隙浸润的研究

姜文研，崔林鹏，金 瑛，刘广兴，马 超，罗娅红

1.辽宁省肿瘤医院（中国医科大学肿瘤医院）肿瘤防治办公室，辽宁 沈阳 110042 ；

2.中国医科大学生物医学工程系，辽宁 沈阳110122 ；

3.辽宁省计划生育科学研究院，辽宁 沈阳 110031；

4.辽宁省肿瘤医院（中国医科大学肿瘤医院）医学影像科，辽宁 沈阳 110042

宫颈癌已成为世界第四大女性恶性肿瘤，在全球因癌症死亡女性中占8%［1］，中国每年新发和死亡患者分别可达10万和4万例［2］。宫颈癌淋巴血管间隙浸润（lymph-vascular space invasion，LVSI）是癌细胞侵袭进入淋巴管和血管的一种典型症状，与宫颈癌远端转移密切相关，对于早期宫颈癌治疗策略的选择尤为重要［3-4］。有研究［5］表明，宫颈癌LVSI患者的5年生存率仅约16.5%。当前，临床上对LVSI的评价依赖术中冷冻切片快速病理学检查，相对于临床检查与影像学检查相结合的国际妇产科联盟（International Federation of Gynecology and Obstetrics，FIGO）术前分期而言，具有明显迟滞性，这主要是因为目前尚缺乏针对LVSI的影像学特征性标志，影像科医师无法通过肉眼阅片对患者的LVSI状态进行判断［6］。

磁共振成像（magnetic resonance imaging，MRI）具有极高的软组织分辨力和无骨性伪影等优势，已被广泛应用于宫颈癌的各项临床诊断［7］。其中，T1对比增强（T1 contrastenhanced，T1CE）MRI影像能够显示病变的强化程度及与周围正常宫颈壁的强化对比；T2加权成像（T2-weighted imaging，T2WI）MRI影像则有利于展现病灶形态、位置和浸润范围。正是由于上述两种MRI成像方式能分别反映出疾病的不同表象，因此联合T1CE和T2WI MRI影像对宫颈癌进行联合诊断是当前的一个热门研究方向［8］。基于影像组学的医学人工智能技术通过对临床采集的医学影像提取定量特征并降维筛选后，利用定量化特征建立影像组学计算机模型，可以揭示影像与病理学信息之间的深层次关联性［9-10］，有助于辅助临床医师对患者进行诊断和预后预测等工作。……