泌外在线 | CT纹理特征结合机器学习对膀胱尿路上皮癌T分期及病理级别的诊断价值

     膀胱尿路上皮癌（grade urothelial carcinoma，GUC）是泌尿系统常见恶性肿瘤，病理上将其分为低级别GUC（LGUC）及高级别GUC（HGUC），HGUC恶性程度较高，较LGUC预后更差^[1]。

      目前，鲜有膀胱癌纹理组学方面的文献报道，本研究旨在通过高通量纹理分析技术，寻找特征纹理参数，联合机器学习算法，达到术前无创、定量诊断 GUC 肌层浸润及病理分级的目的，为临床治疗及预后评估提供帮助。

【目的】

     探讨影像组学鉴别膀胱尿路上皮癌（GUC）T分期及病理分级的可行性。

【方法】

     回顾性分析经术后病理证实的55例膀胱癌患者的影像资料。T 分期中非肌层浸润性膀胱癌（NMIBC）31例，肌层浸润性膀胱癌（MIBC）24例。病理分级中，高级别GUC（HGUC）34例，低级别GUC（LGUC）21例运用Mazda软件沿病灶最大层面边缘勾画感兴趣区，通过B11数据包的Fisher系数进行参数过滤。对连续变量行两独立样本t检验或Wilcoxon秩和检验。应用随机森林、支持向量机、朴素贝叶斯算法及神经网络四种不同学习算法，联合十折交叉验证进行模型构建。

【结果】

     朴素贝叶斯算法诊断效能最好，鉴别NMIBC和MIBC的准确率、敏感度及特异度分别为81.73%、70.83%、84.65%。同时，该算法鉴别HGUC和LGUC的准确率、敏感度及特异度分别为86.70%，88.24%、74.34%，均优于其他三种学习算法。

【结论】

     CT纹理组学能有效诊断GUC T分期及病理级别，朴素贝叶斯算法诊断效能最佳。

     本研究局限性：

    （1）为回顾性分析，待后续扩充样本量，进一步细化病理分期(如T1与T2期的鉴别)；

    （2）纹理参数与病理联系的对照是后续研究的重点；

    （3）部分患者行经尿道膀胱癌切除术，可能存在低估T分期的情况；

    （4） CT增强检查患者药物代谢循环略有不同，对比剂的扩散可能存在个体差异。

     综上，CT增强纹理分析能够术前无创、定量诊断 GUC T 分期及病理分级，且动脉期图像纹理特征联合朴素贝叶斯算法诊断效能优越。该方法避免了膀胱镜检导致的尿道损伤及感染风险，有望成为GUC患者的辅助检查手段。

    参考文献：

    [1]Ｒeis L，Taheri D，Chaux A，et al．Significance of a minor high-grade component in a low-grade noninvasive papillary urothelial carcinoma of bladder［J］．Human Pathology，2016，47: 20-25．