European Radiology：在脑肿瘤诊断中实现多参数MRI放射组学特征的成像和计算重现性

放射组学是从医学图像中提取定量生物标志物的有力工具，可用于诊断和预后评估。放射组学分析可以作为提供客观、全面的病变信息的非侵入性和可重复的方式。然而，在为放射组学研究建立一个强大的成像生物标志物标准时，放射组学特征的可重复性仍然是一个基本的挑战。由于放射组学因素可以通过多个过程提取，其可重复性依赖于成像采集 (成像数据可重复性)、成像分割 (图像分割可重复性)、特征提取 (计算统计可重复性) 和透明报告 (检索可重复性)。

MRI是放射组学中最常用的成像工具之一，但由于图像采集和重建参数的多样性，图像的可重复性难以验证。由于这些困难，大多数确认MRI放射组学特征可重复性的尝试仅限于部分方面如验证重复测试的可重复性或分段(观察者)的可重复性。

近日，发表在European Radiology杂志的一项研究通过测试-重测、多台扫描仪和计算可重复性比较，确定了可重复的多参数MRI放射组学特征，并评估了其在脑肿瘤诊断中的临床价值。

本项研究使用标准化模型技术获取3台3-T MRI扫描仪的T1加权成像(T1WI)、T2加权成像(T2WI)和弥散加权成像(DWI)评估了再现性，并使用两种计算算法提取放射组学特征。当多个会话、扫描仪和计算算法的一致性相关系数大于0.9时，选择可重复的放射组学特征。随机森林分类器使用可重复性特征(n = 117)进行训练，并在临床队列(n = 50)中进行验证，以评估高可重复性特征是否能改善胶质母细胞瘤与原发性中枢神经系统淋巴瘤(PCNSLs)的分化。

T2WI放射组学特征的重复性(65-94%)高于DWI(38-48%)或T1WI(2-92%)。通过重测、多台扫描仪和计算比较，T2WI提供41个可重复特征，DWI提供6个，T1WI提供2个。在训练集(AUC, 0.916 vs. 0.877)和验证集(AUC, 0.957 vs. 0.869)上，使用可重复特征的分类模型的性能均高于使用不可重复特征的分类模型。

表 显示扫描器内和扫描器间高重复性成像的特征以及体模研究的高计算可重复性

本项研究通过确定具有较高多机可重复性的放射组学特征证明了在胶质母细胞瘤与PCNSL的分化中具有较高的放射组学诊断性能，为进一步的神经肿瘤学研究设计和临床应用铺平了道路。

原文出处：

E-Nae Cheong,Ji Eun Park,Seo Young Park,et al.Achieving imaging and computational reproducibility on multiparametric MRI radiomics features in brain tumor diagnosis: phantom and clinical validation.DOI:10.1007/s00330-023-10164-7