本文介绍了一项由北京同仁医院、中国科学院自动化研究所等单位的研究团队合作完成的研究，题为《基于MRI影像组学的鼻窦内翻性乳头状瘤恶性转化术前预测》。该研究于2022年3月23日发表在《Frontiers in Oncology》期刊上，主要作者包括Yan Yang、Yujia Liu、Jianhua Tao等。研究旨在探讨基于MRI影像组学技术在区分鼻窦内翻性乳头状瘤（Inverted Papilloma, IP）与其恶性转化鳞状细胞癌（IP-SCC）中的应用价值。
鼻窦内翻性乳头状瘤（IP）是一种罕见的鼻腔鼻窦上皮性肿瘤，占所有原发性鼻腔鼻窦肿瘤的0.5%至4.0%。尽管IP多为良性，但其具有侵袭性强、复发率高的特点，且有7%至10%的可能性恶化为鳞状细胞癌（IP-SCC）。IP-SCC的术前准确预测对于指导活检、制定手术方案及患者预后至关重要。然而，由于IP与IP-SCC在临床表现和影像学特征上相似，术前诊断极为困难。传统的局部活检和内镜检查存在局限性，且CT和MRI在区分IP与IP-SCC方面的敏感性和特异性均不理想。因此，开发一种更为客观的影像分析方法成为迫切需求。
研究纳入了236例患者，其中92例为IP-SCC，144例为IP。患者被随机分为训练队列（157例）和测试队列（79例）。研究团队收集了患者的术前MRI图像，包括T1加权、T2加权和对比增强T1加权图像。通过影像组学技术从这些图像中提取了3948个影像组学特征，并从中筛选出15个关键特征用于建模。此外，研究还基于放射科医生评估的形态学特征构建了形态学模型，并将影像组学特征与形态学特征结合，构建了联合模型。为进行比较，研究还邀请了两位头颈部放射科医生独立区分IP-SCC与IP。
研究结果显示，基于影像组学和形态学特征的联合模型在测试队列中的AUC（曲线下面积）为0.962，敏感性为0.828，特异性为0.94，准确率为0.899。联合模型的诊断能力优于单独的形态学模型，也优于两位放射科医生的诊断结果。此外，研究还发现，联合模型在不同MRI扫描仪上的表现无显著差异，表明其具有较好的鲁棒性。
研究结果表明，基于MRI影像组学和形态学特征的联合模型能够有效区分IP与IP-SCC，具有较高的诊断准确性。该模型在临床应用中具有潜在价值，能够为患者提供更精准的诊断和治疗方案，从而改善患者预后。此外，研究还发现，影像组学技术能够提取出人眼难以识别的关键特征，尤其是在T1加权图像中，这些特征对于区分IP与IP-SCC具有重要意义。
该研究不仅为IP-SCC的术前诊断提供了新的技术手段，还展示了影像组学技术在肿瘤诊断中的广泛应用前景。通过结合影像组学和形态学特征，研究团队成功构建了一个高精度的诊断模型，为临床实践提供了有力支持。未来，该模型有望在更多医疗机构中得到验证和应用，进一步推动个性化医疗的发展。
尽管研究取得了显著成果，但仍存在一些局限性。首先，研究未纳入扩散加权成像（DWI）数据，而DWI在区分IP与IP-SCC方面也有一定潜力。其次，研究中包含了部分复发性肿瘤患者，这可能对数据质量产生一定影响。此外，模型尚无法精确定位肿瘤内的恶性转化区域，未来需要进一步研究以实现更精准的诊断。
该研究通过结合MRI影像组学和形态学特征，成功构建了一个高精度的诊断模型，能够有效区分IP与IP-SCC。这一成果为IP-SCC的术前诊断提供了新的技术手段，具有重要的临床价值和应用前景。