T1加权增强联合T2加权MRI影像组学提升垂体大腺瘤质地预测效能：多中心设备稳定性验证

本研究创新性构建基于T2加权与对比增强T1加权（CET1）的联合影像组学模型，证实多序列整合可显著提升垂体大腺瘤（直径≥1cm）纤维化质地预测准确率（AUC 0.86），突破传统单序列局限。通过分层分析揭示T2模型在不同场强（1.5T/3.0T）和设备厂商间展现最优稳定性，为术前手术入路选择（如单/双鼻孔内镜或开颅方案）提供客观影像决策依据。

　　

Objectives

探讨T2加权与对比增强T1加权（CET1）影像组学模型在垂体大腺瘤质地评估中的协同价值。研究团队通过133例经病理证实的病例（35例纤维化，98例非纤维化），首次采用Masson染色胶原定量（≥15%定义为纤维化）作为金标准，构建三种逻辑回归模型：T2模型、CET1模型及联合模型，并设立40例外部队列验证跨中心稳定性。

Methods

关键技术路线包含四步：

1. 1.

   数据采集：纳入2011-2020年PACS系统中完整保留术前平扫+增强MRI的病例，由两名医师通过ITK-SNAP手动勾画肿瘤ROI，经Pyradiomics提取107个特征，ICC>0.75的特征进入分析。

2. 2.

   特征工程：先通过Spearman相关性（阈值0.90）和低方差过滤（阈值0.1）降维，再采用GBDT算法筛选关键特征，最终T2保留56个、CET1保留19个特征。

3. 3.

   模型优化：应用SMOTE算法解决纤维化样本不足问题，联合模型Radscore计算公式为：Intercept + Σ(β_i * X_i)。

4. 4.

   验证设计：除常规ROC分析外，首创按场强（1.5T/3.0T）和厂商（Philips/Siemens）分层验证模型鲁棒性。

Results

• 核心性能：联合模型在测试集表现最优（AUC 0.86 vs CET1 0.80/T2 0.79），外部验证保持优势（AUC 0.865）。

• 场强差异：T2模型在1.5T/3.0T下AUC波动最小（0.76→0.83），而联合模型出现反常衰减（3.0T时AUC 0.56）。

• 厂商差异：Siemens设备上T2模型AUC达0.84，显著高于Philips平台的0.83，但联合模型在两者均低于0.55。

Discussion

研究揭示三个关键机制：

1. 1.

   物理限制：3.0T虽提高信噪比，但B₁场不均匀性会扭曲纹理特征（如GLCM熵值），导致跨场强性能波动。

2. 2.

   对比剂动力学：钆剂R₁弛豫率随场强变化，使CET1序列的firstorder_MeanAbsolute等特征产生设备依赖性偏移。

3. 3.

   模型整合悖论：联合模型虽融合多序列信息，但未校正的异质性噪声可能被放大，反降低泛化能力。

临床启示

• 对质地较软的肿瘤，单鼻孔内镜可满足切除需求；预测为纤维化时，双鼻孔或开颅入路能更好处理肿瘤-视交叉粘连。

• 在Knosp 3-4级侵袭病例中，T2模型预判纤维化可警示颈内动脉损伤风险，指导术式选择。

Limitations

回顾性研究存在历史病例图像质量不均问题，且胶原降解可能影响病理判读。未来需前瞻性多中心研究验证T2模型的普适性。

Conclusions

T2-CET1联合模型虽提高诊断精度，但独立T2模型在跨设备应用中展现更优稳定性，这对推广至装备差异大的医疗中心具有重要实践意义。