本研究由Meng Qi、Zhipeng Xia、Fang Zhang、Yan Sha和Jiliang Ren共同完成，分别来自复旦大学附属眼耳鼻喉科医院放射科和上海交通大学医学院附属第九人民医院放射科。该研究于2023年发表在《Dentomaxillofacial Radiology》期刊上，题为《Development and validation of apparent diffusion coefficient histogram-based nomogram for predicting malignant transformation of sinonasal inverted papilloma》。该研究旨在开发和验证一种基于表观扩散系数（Apparent Diffusion Coefficient, ADC）直方图的列线图（nomogram），用于预测鼻窦内翻性乳头状瘤（sinonasal inverted papilloma, IP）的恶性转化（malignant transformation, MT）。

学术背景

鼻窦内翻性乳头状瘤（IP）是一种良性肿瘤，但存在恶性转化的风险。恶性转化后的IP（MT-IP）与未转化的IP在预后和治疗方案上有显著差异。MT-IP患者通常需要更广泛的手术切除，并辅以术后放疗或放化疗。然而，MT-IP的准确诊断在临床上仍然具有挑战性，尽管内镜活检是当前的标准程序，但其侵入性和采样误差限制了其应用。因此，开发一种非侵入性的预测工具对于指导临床决策具有重要意义。

近年来，磁共振成像（MRI）中的扩散加权成像（Diffusion-Weighted Imaging, DWI）被广泛用于鼻窦肿瘤的诊断和术前评估。ADC值作为DWI的定量指标，能够反映组织的扩散能力，已被用于区分良性和恶性鼻窦肿瘤。然而，传统的ADC测量方法主要依赖于感兴趣区域（ROI）内的平均ADC值，无法全面反映肿瘤的异质性。为了克服这一问题，全肿瘤直方图分析方法被提出，能够更精确地评估肿瘤特征。

研究流程

本研究为回顾性研究，纳入了209例鼻窦IP患者，分为主要队列（n=140）和验证队列（n=69）。所有患者均接受了包括DWI在内的MRI检查，并通过病理学确诊为IP或MT-IP。研究的主要步骤包括： 1. MRI图像采集：使用3T Siemens MRI系统进行扫描，包括T1加权成像、T2加权成像、DWI和增强T1加权成像。 2. 图像分析：由两名放射科医生独立评估MRI形态学特征，包括最大直径、骨质侵蚀、眼眶或颅内侵犯以及卷积脑回样模式（CCP）的丧失。全肿瘤ADC直方图分析使用ITK-SNAP和3D Slicer软件进行，提取了8个ADC直方图特征。 3. 统计分析：使用R软件进行统计分析，比较两组患者的临床特征和ADC参数。通过逐步逻辑回归分析确定独立预测因子，并构建预测模型。模型的预测性能通过受试者工作特征曲线（ROC曲线）和曲线下面积（AUC）进行评估。

主要结果

研究结果显示，四个形态学特征和七个ADC直方图参数在两组患者中均表现出显著差异（p<0.05）。最大直径、CCP丧失、ADC10th和ADCskewness被确定为独立预测因子，并用于构建列线图。该列线图在主要队列和验证队列中的AUC分别为0.96和0.88，显著优于仅基于形态学特征的模型（AUC分别为0.88和0.88）。此外，列线图在校准曲线和决策曲线分析中表现出良好的校准和临床实用性。

结论

本研究开发的列线图结合了形态学MRI特征和ADC直方图参数，能够方便地用于术前预测IP的恶性转化。该列线图具有良好的预测性能和校准能力，有望成为临床实践中一种有前景的非侵入性工具，指导MT-IP的诊断和治疗决策。

研究亮点

1. 创新性方法：本研究首次将全肿瘤ADC直方图分析与形态学特征结合，开发了一种用于预测IP恶性转化的列线图。
2. 高预测性能：列线图在主要队列和验证队列中均表现出优异的预测性能（AUC=0.96），显著优于仅基于形态学特征的模型。
3. 临床实用性：决策曲线分析表明，该列线图在临床应用中能够提供更高的净收益，具有重要的临床价值。

研究意义

该研究为鼻窦IP的恶性转化提供了一种新的非侵入性预测工具，能够帮助临床医生更准确地评估患者的病情，制定个性化的治疗方案。此外，该研究还为ADC直方图分析在肿瘤诊断中的应用提供了新的证据，推动了影像组学在头颈部肿瘤研究中的发展。