基于MRI特征构建直肠神经内分泌肿瘤病理分级的预测模型

目的:探讨MRI特征对直肠神经内分泌肿瘤(NETs)病理分级的预测价值并构建预测模型。方法:回顾性收集2013年1月至2019年11月在中国医学科学院肿瘤医院经病理证实的直肠NETs患者30例，均行直肠常规MRI平扫、扩散加权成像及动态增强MRI扫描。采用方差分析、Freeman－Halton检验或Kruskal－Wallis H检验比较不同病理分级(G1、G2和G3级)直肠NETs间的临床和MRI特征。对有统计学意义的预测特征行共线性检验，通过逐步回归法移除共线性特征得到最优变量子集后，纳入有序多分类logistic回归分析并建立病理分级预测模型。采用受试者工作特征(ROC)曲线分析评价预测模型对直肠NETs病理分级的预测效能。 结果:30例直肠NETs中，病理分级为G1级13例，G2级7例，G3级10例。G1、G2和G3级直肠NETs的肿瘤最大径、肿瘤边界、生长方式、mr－T分期、mr－N评价、壁外血管侵犯、系膜筋膜状态、T2加权成像信号强度、静脉期强化程度和有无远处转移差异均有统计学意义(均 P<0.05)。经共线性检验和逐步回归法分析，获得含mr－T分期和静脉期肿瘤强化程度的最优预测子集，并构建了病理分级预测模型。相对于mr－T4期，mr－T1期肿瘤病理分级为低级别的 OR＝43.95( P＝0.034)；相对于静脉期明显强化，低或无强化肿瘤病理分级为低级别的 OR＝0.07( P＝0.014)；G1级与G2~3级二分类预测模型的常数项为－1.78，G1~2级与G3级二分类预测模型的常数项为0.90。应用此模型预测G1、G2和G3级直肠NETs的ROC曲线下面积分别为0.945、0.624和0.896，灵敏度分别为75.0%、85.7%和90.9%，特异度分别为88.9%、52.6%和93.3%。 结论:基于mr－T分期和静脉期肿瘤强化程度的预测模型可以在治疗前预测直肠NETs的病理分级。