MRI紋理分析聯(lián)合機(jī)器學(xué)習(xí)模型對(duì)前列腺腺泡癌Gleason分級(jí)的預(yù)測(cè)價(jià)值

邢朋毅，孟英豪，馬 超，宋 濤，陽青松，陸建平

前列腺癌是老年男性常見的惡性腫瘤之一，其死亡率居于男性腫瘤死亡率第二位[1]；近年來中國(guó)前列腺癌的發(fā)病率亦不斷增加[2]。根治性前列腺切除術(shù)標(biāo)本中前列腺癌的Gleason評(píng)分（Gleason score，GS）是患者預(yù)后的有力預(yù)測(cè)因素。GS系統(tǒng)通過分析腺體分化的程度對(duì)前列腺進(jìn)行組織學(xué)識(shí)別，并依照主要評(píng)分及次要評(píng)分來反映腫瘤的異質(zhì)性。GS=3+4分和4+3分的患者具有不同的生物學(xué)特性，與GS=3+4分的腫瘤相比，GS=4+3分的患者生化復(fù)發(fā)率更高[3]。多參數(shù)磁共振成像（multiparametric magnetic resonance imaging，mpMRI）被認(rèn)為是檢測(cè)和定位前列腺癌的有效方法。常規(guī)的前列腺mpMRI方案包括高分辨率T2加權(quán)成像（T2weighted imaging，T2WI）、擴(kuò)散加權(quán)成像（diffusion-weighted imaging，DWI）和動(dòng)態(tài)對(duì)比增強(qiáng)（dynamiccontrast enhancement，DCE）序列。T2WI+DWI是最常見的序列，且不需要進(jìn)行侵入性對(duì)比劑的注射。研究[4，5]表明，雙參數(shù)MRI（T2WI和DWI）檢測(cè)腫瘤的準(zhǔn)確度與傳統(tǒng)的mpMRI相當(dāng)。紋理分析是一種數(shù)學(xué)模型，它從圖像中提取人眼無法察覺的特征信息，在前列腺癌的主動(dòng)監(jiān)測(cè)過程中，MRI的紋理分析可作為評(píng)價(jià)前列腺癌侵襲性的生物標(biāo)志物[6]。因此，筆者研究旨在探討基于前列腺腺泡癌雙參數(shù)MRI紋理分析對(duì)前列腺腺泡癌GS高危組（GS≥4+3分）和低危組（GS≤3+4分）進(jìn)行預(yù)測(cè)的價(jià)值。

1 資料與方法

1.1 臨床資料

選擇2018年5月至2020年3月在海軍軍醫(yī)大學(xué)第一附屬醫(yī)院就診前列腺腺泡癌患者148例，年齡43～90歲，平均年齡61.18歲（標(biāo)準(zhǔn)差8.13歲）；其中高危組（GS≥4+3分）80例，低危組（GS≤3+4分）68例；血清前列腺特異抗原（prostate specific antigen，PSA）為0.70～161.92 ng/mL，PSA中位數(shù)7.16 ng/mL；前列腺體積（prostate volume，PV）為13.42～174.81 cm3，平均PV 45.32 cm3（標(biāo)準(zhǔn)差25.71 cm3）；前列腺病灶體積為0.26～122.70 cm3，病灶體積中位數(shù)2.71 cm3；病灶位置外周帶（peripheral zone，PZ）69例，交界地帶13例，移行帶（transitional zone，TZ）66例。筆者研究通過醫(yī)院倫理委員會(huì)審批；所有患者檢查前皆簽署知情同意書。

選擇標(biāo)準(zhǔn)：①行前列腺根治切除術(shù)，獲得大體標(biāo)本，病理診斷為前列腺腺泡癌；②腫瘤為單一病灶；③術(shù)前接受3 T MRI檢查，且檢查時(shí)間與手術(shù)時(shí)間間隔＜7 d；④在MRI檢查之前未進(jìn)行前列腺活組織檢查、手術(shù)、放射治療或內(nèi)分泌治療。

排除標(biāo)準(zhǔn)：①行MRI檢查前，腫瘤已發(fā)生遠(yuǎn)處轉(zhuǎn)移；②術(shù)后病理診斷為前列腺間葉腫瘤或其他瘤樣病變；③患者放置導(dǎo)尿管；④MRI圖像存在偽影，影響病灶分割。

1.2 方法

1.2.1 MRI掃描

采用3 T MRI系統(tǒng)（MAGNETOM Skyra。西門子醫(yī)療系統(tǒng)有限公司，德國(guó)），使用標(biāo)準(zhǔn)18通道相控陣體部線圈及32通道集成脊柱線圈。

患者排空腸道及膀胱，檢查前禁食4～6 h。橫軸位DWI掃描參數(shù)：重復(fù)時(shí)間（repetition time，TR）/回波時(shí)間（time of echo，TE）=5 100/89 ms，視野（field of view，F(xiàn)OV）=224 mm2×280 mm2，矩陣=120×150，層厚=4 mm，層數(shù)=20，層間距=0 mm，b值=1 500 s/mm2，采集時(shí)間為479 s。前列腺行橫軸面、冠狀面、矢狀面二維（two-dimensional，2D）T2WI快速自旋回波掃描，橫軸面T2WI掃描參數(shù)：TR/TE=5 460/104 ms，F(xiàn)OV=180 mm2×180 mm2，矩陣=384×384，層厚=4 mm，層數(shù)=24，層間距=0 mm，回波鏈長(zhǎng)度=18，采集時(shí)間為229 s。橫軸位DWI掃描定位時(shí)盡可能保證與T2WI序列的層面一致。

1.2.2 病理檢查

所有前列腺腺泡癌大體標(biāo)本均來自機(jī)器人輔助前列腺根治切除術(shù)，術(shù)后將含有腫瘤組織的前列腺標(biāo)本用甲醛溶液固定，經(jīng)石蠟包埋后，從尖部到底部連續(xù)切片。切片采用蘇木精-伊紅（hematoxylin and eosin，HE）染色。每張切片都由1名具有10年泌尿系統(tǒng)病理診斷經(jīng)驗(yàn)的病理科醫(yī)師根據(jù)國(guó)際泌尿外科病理學(xué)會(huì) （International Society of Urological Pathology，ISUP）的Gleason評(píng)分系統(tǒng)進(jìn)行評(píng)估[7]?？偡质歉鶕?jù)細(xì)胞在顯微鏡下的外觀來計(jì)算的，前半部分是主要評(píng)分，后半部分是次要成分的最高評(píng)分。病理科醫(yī)師記錄最大病變的GS作為責(zé)任腫瘤病灶，并在每張切片上繪制腫瘤邊界。

1.2.3 圖像分析

將T2WI、表觀擴(kuò)散系數(shù)（apparent diffusion coefficient，ADC）及DWI（b值＝1 500 s/mm2）圖像以醫(yī)學(xué)數(shù)字成像和通信（digital imaging and communications in medicine，DICOM）格式從醫(yī)學(xué)數(shù)據(jù)庫(kù)導(dǎo)出到ITKSNAP（版本3.8.0，http://www.itksnap.org/）進(jìn)行手動(dòng)分割，最終生成三維（three-dimensional，3D）感興趣區(qū)域（region of interest，ROI）。

參照病理大切片由1名具有4年前列腺M(fèi)RI診斷經(jīng)驗(yàn)的放射科醫(yī)生在整個(gè)腫瘤上逐層勾畫ROI，并且所有輪廓均由1名具有8年前列腺M(fèi)RI診斷經(jīng)驗(yàn)的放射科醫(yī)生審查。PZ病變勾畫以ADC圖為主，DWI和T2WI序列為輔；TZ病變以T2WI為主，DWI和ADC圖為輔。如果有判別差異，則由上級(jí)放射科醫(yī)生最終確定腫瘤的邊界。

1.2.4 特征提取

使用AK軟件（3.2.0版。GE healthcare，中國(guó)）從圖像中提取特征。根據(jù)影像生物標(biāo)記物標(biāo)準(zhǔn)化倡議（image biomarker standardization initiative，IBSI），影像組學(xué)特征可分為3種類型。（A）一階特征，反映ROI內(nèi)體素強(qiáng)度的分布。（B）形態(tài)特征，反映ROI的幾何形態(tài)，如面積和體積。（C）紋理特征，反映基于3個(gè)矩陣計(jì)算出的ROI內(nèi)高階灰度信息?；叶裙采仃嚕╣ray-level co-occurren cematrix，GLCM）表示3D體積中沿圖像方向之一的相鄰像素的離散灰度級(jí)別的組合。游程長(zhǎng)度矩陣（run length matrix，RLM）評(píng)估在一個(gè)方向上具有相同灰度級(jí)的像素或體素的連續(xù)序列的長(zhǎng)度。通過灰度大小區(qū)域矩陣（gray-level size zone matrix，GLSZM）計(jì)算出鏈接體素的組（或區(qū)域）的數(shù)量。

1.2.5 紋理特征篩選與模型構(gòu)建

在模型構(gòu)建之前，首先進(jìn)行紋理特征篩選。研究采用Mann-Whitney U檢驗(yàn)篩選兩組間有顯著差異的影像組學(xué)紋理特征，隨后為減少紋理特征間的冗余和模型的復(fù)雜性，采用最小冗余和最大相關(guān)算法（min-redundancy and max-relevance，MRMR）進(jìn)一步篩選[8]，最后獲取包含10個(gè)相對(duì)重要紋理特征的集合。對(duì)保留的10個(gè)紋理特征分別進(jìn)行受試者工作特性（receiver operating characteristic，ROC）曲線分析，評(píng)估單個(gè)紋理特征的診斷性能。用MRMR分析后保留的10個(gè)紋理特征構(gòu)建隨機(jī)森林（random forests，RF）分類器[9]，在訓(xùn)練過程中采用100次交叉驗(yàn)證調(diào)整分類器的參數(shù)，得到最優(yōu)的預(yù)測(cè)模型，以用于前列腺腺泡癌高危組和低危組的鑒別。

1.2.6 隨機(jī)森林分類器模型的評(píng)估

采用ROC曲線分析，用于評(píng)價(jià)RF分類器模型對(duì)高危組、低危組前列腺腺泡癌的預(yù)測(cè)能力，用曲線下面積（area under curve，AUC）量化各紋理特征和組合紋理特征預(yù)測(cè)模型的判別能力。此外，采用100次的留組交叉驗(yàn)證法（leave group out cross-validation，LGOCV）評(píng)價(jià)RF分類器模型的可靠性和可重復(fù)性。

1.3 統(tǒng)計(jì)學(xué)方法

采用SPSS 26.0版和R軟件版本4.0.3（https：//www.r-project.org）進(jìn)行統(tǒng)計(jì)分析。以P<0.05為差異具有統(tǒng)計(jì)學(xué)意義。符合正態(tài)分布的計(jì)量資料以均值±標(biāo)準(zhǔn)差表示，不符合正態(tài)分布的計(jì)量資料以中位數(shù)（四分位區(qū)間）表示；計(jì)數(shù)資料和等級(jí)資料以例數(shù)表示。

2 結(jié)果

2.1 術(shù)后病理診斷分級(jí)結(jié)果與臨床資料

148例待預(yù)測(cè)病例中Gleason評(píng)分為：3+3分42例，3+4分26例，4+3分21例，4+4分27例，4+5分19例，5+4分8例，5+5分5例。

高危組80例，年齡43～90歲，平均年齡69.71歲（標(biāo)準(zhǔn)差8.88歲）；PSA<4 ng/mL 2例，4～10 ng/mL 17例，PSA＞10 ng/mL 61例；病灶位置PZ 37例，交界地帶13例，TZ 30例；病灶體積1.55～13.30 cm3，病灶體積中位數(shù)4.00 cm3。低危組68例，年齡53～83歲，平均年齡63.95歲（標(biāo)準(zhǔn)差6.99歲）；PSA＜4 ng/mL 1例，4～10 ng/mL 24例，PSA＞10 ng/mL 43例；病灶位置PZ 32例，交界地帶0例，TZ 36例；病灶體積0.95～3.95 cm3，病灶體積中位數(shù)1.60 cm3。

2.2 紋理特征選擇結(jié)果

從研究的每個(gè)圖像中總共提取了396個(gè)影像組學(xué)紋理特征，包括42個(gè)直方圖特征，180個(gè)RLM特征，9個(gè)形態(tài)特征，11個(gè)GLSZM特征，10個(gè)haralick特征和144個(gè)GLCM特征。通過Mann-Whitney U檢驗(yàn)，剩下112個(gè)影像組學(xué)紋理特征。隨后使用MRMR方法減少了預(yù)測(cè)模型的冗余性和不必要的復(fù)雜性，最終使用RF分類器分析并保留了10個(gè)相對(duì)重要的紋理特征，它們的重要性是指在進(jìn)行交叉驗(yàn)證時(shí)，每次構(gòu)建模型時(shí)該特征都會(huì)保留（圖1）。高危組和低危組前列腺腺泡癌中這10個(gè)紋理特征的比較見表1。

表1 高危組、低危組前列腺腺泡癌紋理特征比較Tab.1 Comparison of texture features between high-risk group and low-risk group of prostate acinus cancer

2.3 機(jī)器學(xué)習(xí)分類器性能結(jié)果

這10種紋理特征對(duì)高危組、低危組前列腺腺泡癌的預(yù)測(cè)性能如表2所示，包括每個(gè)紋理特征的AUC、靈敏度、特異度、準(zhǔn)確度、陽性預(yù)測(cè)值和陰性預(yù)測(cè)值。利用這10個(gè)紋理特征參數(shù)組合構(gòu)建了RF分類器預(yù)測(cè)模型，其ROC為0.76，靈敏度為0.63，特異度為0.77，準(zhǔn)確度為0.70，陽性預(yù)測(cè)值和陰性預(yù)測(cè)值分別為0.75、0.65。紋理特征組合RF分類器預(yù)測(cè)模型的診斷性能如圖2所示。

表2 紋理特征對(duì)高危組、低危組前列腺腺泡癌分類的預(yù)測(cè)性能比較Tab.2 Comparison of predictive performance of texture features for prostate acinus cancer classification between high-risk group and low-risk group

3 討論

前列腺癌是全球最常見的非皮膚性男性腫瘤，GS系統(tǒng)是預(yù)測(cè)前列腺癌患者預(yù)后的有力工具[9～11]。由于GS=3+4分與GS=4+3分之間無生化復(fù)發(fā)生存率（biochemical recurrence-free survival，BRFS）有很大差異，它們相對(duì)于GS=6分的風(fēng)險(xiǎn)比分別為1.9和5.1[10]。美國(guó)約翰霍普金斯醫(yī)院提出了一種新的預(yù)后分級(jí)系統(tǒng)，不再將GS=7分為單一組，而將其分為GS=3+4分（預(yù)后分級(jí)Ⅱ級(jí)）和GS=4+3分（預(yù)后分級(jí)Ⅲ級(jí)）[11]。影像組學(xué)是從多模態(tài)醫(yī)學(xué)圖像中提取大量的高維定量特征，然后挖掘這些特征與腫瘤的診斷及預(yù)后之間的相關(guān)性[12]。這些相關(guān)性通過影像組學(xué)分析得以揭示，將腫瘤解碼為不同的影像學(xué)表型，結(jié)合臨床特征及基因組/蛋白質(zhì)組學(xué)檢測(cè)的補(bǔ)充信息，影像組學(xué)可以對(duì)腫瘤的異質(zhì)性進(jìn)行全面評(píng)估[13]。與以前將醫(yī)學(xué)圖像進(jìn)行視覺檢查的方法相比，影像組學(xué)引入了一種新方法來挖掘醫(yī)學(xué)圖像中包含的信息。紋理分析作為影像組學(xué)的一部分逐步應(yīng)用于臨床，可對(duì)腫瘤的精準(zhǔn)診斷與療效評(píng)估提供幫助。

許多研究已經(jīng)表明了GS=3+4分與GS=4+3分的前列腺癌患者預(yù)后的差異。在一項(xiàng)對(duì)263例前列腺癌根治術(shù)后病理GS=7分腫瘤患者的研究中，GS=4+3分的患者更有可能有精囊受累，病理分期更高，前列腺癌易外周侵犯，術(shù)前PSA中位數(shù)更高[3]。Sakr WA等[14]發(fā)現(xiàn)，在局限性前列腺癌患者中，GS=4+3分的患者的BRFS明顯高于GS=3+4分的患者[14]。Chan TY等[15]調(diào)查了570例GS=7分的前列腺癌（無淋巴結(jié)轉(zhuǎn)移，無精囊浸潤(rùn)，無第三級(jí)Gleason類型），GS=4+3分是預(yù)測(cè)腫瘤轉(zhuǎn)移的有效指標(biāo)。Alenda O等[16]通過對(duì)1 248例GS=7分腫瘤患者的單中心隊(duì)列研究發(fā)現(xiàn)，GS=4+3分是生化復(fù)發(fā)的獨(dú)立預(yù)測(cè)因子。有研究對(duì)959例接受根治性前列腺切除術(shù)治療的日本前列腺癌患者（GS=7分）進(jìn)行連續(xù)觀察，發(fā)現(xiàn)4分為主要成分的GS與生化結(jié)果顯著相關(guān)[17]。關(guān)于前列腺癌相關(guān)死亡率，Stark JR等[18]報(bào)道稱，GS=4+3分患者致命性前列腺癌的發(fā)病率是GS=3+4分的3倍。筆者利用前列腺癌MRI紋理分析對(duì)前列腺癌GS高危組（GS≥4+3分）與低危組（GS≤3+4分）進(jìn)行分類具有一定的臨床價(jià)值。

近些年來，多項(xiàng)研究表明前列腺M(fèi)RI紋理分析可用于前列腺癌的診斷及其侵襲性的評(píng)估[19]。Wibmer A等[20]研究了MRI的Haralick紋理在區(qū)分GS≤7分與GS＞7分中的作用，發(fā)現(xiàn)GS≤3+4分癌與GS≥4+3分癌的熵有顯著性差異。并揭示了ADC圖對(duì)GS分期的有效性。Aerts HJWI[13]在前列腺切除術(shù)前對(duì)23例前列腺癌患者進(jìn)行了3 T mpMRI，并分別從T2WI、DWI和DCE圖像上提取腫瘤的紋理特征[角秒矩（angular second moment，ASM）對(duì)比度、相關(guān)性和熵]，評(píng)估紋理特征與GS和MRI衍生參數(shù)之間的關(guān)聯(lián)，以及這些參數(shù)在區(qū)分GS=3+4分和GS=4+3分前列腺癌中的效用，結(jié)果顯示ASM和熵與GS和中位數(shù)ADC顯著相關(guān)（P＜0.05）。紋理特征與Ktrans和Ve相關(guān)不顯著，GS=4+3分的癌ASM顯著低于GS=3+4分的癌，熵明顯高于GS=3+4分的癌。Sun Y等[21]對(duì)30例術(shù)前經(jīng)mpMRI檢查的前列腺癌患者回顧性分析，用T2WI紋理分析結(jié)合mpMRI來預(yù)測(cè)前列腺癌的級(jí)別高低，區(qū)分GS≥4+3分與GS≤3+4分，并與單獨(dú)使用mpMRI進(jìn)行對(duì)比。結(jié)果表明GLCM與GLRLM+mpMRI特征對(duì)腫瘤病理風(fēng)險(xiǎn)等級(jí)分層的AUC分別為0.84和0.82，二者結(jié)合AUC為0.91（95%CI為0.87～0.95）。謝金珂等[22]基于T2WI、ADC圖對(duì)92例前列腺癌患者進(jìn)行紋理分析，鑒別低級(jí)別（GS≥4+3分）和高級(jí)別的前列腺癌，AUC達(dá)到0.714。以往MRI紋理分析預(yù)測(cè)前列腺癌Gleason分級(jí)的研究中，病例數(shù)多在100例之內(nèi)，且分析的紋理特征數(shù)有限。筆者研究對(duì)148例患者的T2WI和ADC圖像進(jìn)行紋理分析，共提取396個(gè)影像組學(xué)紋理特征，采用Mann-Whitney U檢驗(yàn)和MRMR篩選，保留了10個(gè)可鑒別前列腺腺泡癌高低危組的相對(duì)重要紋理特征，最終基于這些紋理特征聯(lián)合構(gòu)建RF分類器預(yù)測(cè)模型，對(duì)前列腺癌高低危前列腺腺泡癌進(jìn)行分層預(yù)測(cè)AUC為0.76。在篩選的10個(gè)相對(duì)重要紋理特征中，T2_wavelet_HHL_glszm_GrayLevelNonUniformity、T2_log_sigma_2_0_mm_3D_glszm_Gray-Level NonUniformityNormalized、ADC_wavelet_HLH_glszm_Large_AreaHighGrayLevelEmphasis單獨(dú)鑒別高低危組前列腺腺泡癌的AUC分別達(dá)到了0.73、0.72、0.71。T2_wavelet_HHL_glszm_GrayLevelNonUniformity指T2圖像灰階的不均勻性，其數(shù)值越低，圖像灰度越均勻[23]，提示高危組前列腺腺泡癌實(shí)質(zhì)內(nèi)部更加不均勻。T2_log_sigma_2_0_3D_glszm_GrayLevelNonUniformityNormalized的意義為T2圖像灰階不均勻性的歸一化，即數(shù)值越高，圖像對(duì)比度越大，呈現(xiàn)的視覺效果越清晰，低危組前列腺腺泡癌相對(duì)于高危組前列腺腺泡癌的邊界較為清晰[24]，這與前列腺癌MRI的人工判讀是一致的[25]。ADC_wavelet_HHL_glszm_Large-AreaHighGrayLevelEmphasis是指ADC圖中大面積的高灰度優(yōu)勢(shì)，高危組前列腺腺泡癌在ADC圖上呈現(xiàn)較高的灰度，即更低的信號(hào)強(qiáng)度[26]。其余的7個(gè)相對(duì)重要特征ADC_log_sigma_2_0_mm_3D_glszm_Size-ZoneNonUniformityNormalized（大小區(qū)域非一致性）、T2_log_sigma_3_0_mm_3D_glszm_ZonePercentage（區(qū)域百分比）、T2_wavelet_HHL_glszm_GrayLevelVariance（灰度方差）、ADC_wavelet_LHH_firstorder_Kurtosis（峰度）、T2_wavelet_LHL_glszm_LargeAreaHighGray-LevelEmphasis（大面積高灰度優(yōu)勢(shì)）、ADC_orginal_firstorder_10 Percentile（第10百分位數(shù)）、T2_log_sigma_4_0_mm_3D_glszm_SizeZoneNonUniformityNormalized（大小區(qū)域非一致性）的統(tǒng)計(jì)結(jié)果表明：高危前列腺腺泡癌的成分更為復(fù)雜[7]，低危前列腺腺泡癌的圖像紋理更加均勻[27]。筆者基于10個(gè)相對(duì)重要紋理特征建立的RF分類器模型對(duì)高低危前列腺腺泡癌進(jìn)行預(yù)測(cè)時(shí)，AUC為0.76，大于單一紋理特征的鑒別效能，其原因可能在于從大量的影像組學(xué)特征中篩選出的最佳紋理特征組合，對(duì)高低危前列腺腺泡癌的鑒別效能較單一紋理特征更優(yōu)。

盡早評(píng)估前列腺癌侵襲性對(duì)于疾病管理、治療選擇和患者預(yù)后至關(guān)重要。穿刺活組織檢查、PSA水平和mpMRI是目前評(píng)價(jià)前列腺癌侵襲性的常用工具，前列腺穿刺活組織檢查可能產(chǎn)生血尿、血便、感染、迷走神經(jīng)反射等各種并發(fā)癥，一定程度上限制了其臨床應(yīng)用[28]。探索一種新的、高精度的非侵入性檢測(cè)方法已迫在眉睫。影像組學(xué)利用數(shù)據(jù)特征化算法可以從原始醫(yī)學(xué)圖像中自動(dòng)提取大量高通量的定量特征，并且提供遠(yuǎn)遠(yuǎn)超出視覺分析范圍的附加信息。此外，適當(dāng)?shù)奶卣鹘稻S和機(jī)器學(xué)習(xí)方法可以幫助臨床獲取最優(yōu)的特征，從而對(duì)腫瘤患者實(shí)現(xiàn)高效和穩(wěn)定的分類，采取精確適當(dāng)?shù)闹委煟瑴p少不必要的干預(yù)。

筆者的研究具有局限性：第一，該研究屬于單中心研究，使用相同的掃描設(shè)備和序列，一定程度避免了數(shù)據(jù)產(chǎn)生較大的差異性，但對(duì)結(jié)果的推廣使用不利，需要多中心、大數(shù)據(jù)的驗(yàn)證支持；第二，在勾畫病變ROI時(shí)，MRI圖像與病理切片難以完全匹配，這對(duì)ROI勾畫的準(zhǔn)確度有一定影響；第三，模型構(gòu)建中未聯(lián)合臨床特征，可能降低紋理特征的病理分層效能。

綜上所述，MRI紋理分析聯(lián)合機(jī)器學(xué)習(xí)模型對(duì)前列腺腺泡癌Gleason分級(jí)具有一定的預(yù)測(cè)價(jià)值，可將高低危前列腺腺泡癌進(jìn)行病理分層，有助于對(duì)前列腺腺泡癌患者的臨床決策。