现阶段，利用影像学标志物来提高诊断的准确性和治疗决策的工作正在临床上各个学科中全面展开。放射组学是一种无创的定量图像分析技术，可以提取大量的影像学标志物。一些研究显示，放射组学在支持放射科医生方面具有极大的潜力，包括肿瘤类型确定、肿瘤分类或治疗结果和预后预测。然而，尽管这些更客观的定量方法非常有前途，并允许另一层信息提取，但传统的视觉分析仍然是日常工作的基础。

放射组学的临床实施所关注的问题之一是普适性和稳健性。只有当预测模型具有普遍性，并在放射组学工作流程的变化中显示出可重复的性能时才能应用于临床环境。然而，这种评价在单中心研究中缺乏。一些证据表明，预测模型主要适用于受过训练的患者群体，放射学特征受图像采集参数和后处理步骤的影响，如肿瘤分割和数据协调。这些因素将影响外部验证研究的一般性能。

迄今为止，头颈部肿瘤患者放射组学模型的多中心验证仅有5项研究。其中，只有一项研究描述了基于磁共振成像（MRI）的放射组学特征，由于软组织对比度高，磁共振成像通常是头颈部肿瘤成像的首选方式。

近日，发表在European Radiology杂志的一项研究使用一个独立的外部数据集对一个基于MR的预测口咽鳞癌（OPSCC）患者局部控制（LRC）的放射组学模型进行了验证，从而证实了该模型的普遍性，并探讨了病人群体、MRI采集以及后处理步骤的差异对预测性能的影响。

本项研究以前发表的放射组学模型所定义的放射组学特征是从一个不同机构的157名OPSCC患者的原发肿瘤体积中提取的。本次研究利用这个队列验证了开发的放射组学模型。此外，还将研究影响性能的参数，如患者亚组、MRI采集和预测性能的后处理步骤。在这个分析中，研究了匹配的亚组（基于肿瘤的人乳头瘤病毒（HPV）状态、T分期和肿瘤亚区）和只有4毫米层厚患者的亚组。此外，还研究了协调技术（ComBat协调、量化标准化）的影响以及不同观察者和中心的特征稳定性的影响。通过曲线下面积（AUC）、敏感性和特异性来评估模型性能。 

当应用于验证队列（AUC/灵敏度/特异性：0.74/0.75/0.60）时，公布的模型性能（AUC/灵敏度/特异性：0.64/0.68/0.60）有所下降。当使用具有可比性的肿瘤HPV状态的患者组（AUC/敏感性/特异性：0.68/0.74/0.60），使用层厚为4毫米的患者（AUC/敏感性/特异性：0.67/0.73/0.57），或进行量化协调时（AUC/敏感性/特异性：0.66/0.69/0.60），完整验证队列的性能略有改善。 

图 用DSC计算出的两个机构观察者之间的空间重叠情况的可视化。左边的病人的DSC为0.42，中间的病人的DSC为0.61，右边的病人的DSC为0.82

本项研究表明，本项研究以前发表的预测OPSCC患者LRC的放射组学模型是可以跨中心通用的，并且可以应用于从不同供应商和协议获得的数据。

原文出处：

Paula Bos,Roland M Martens,Pim de Graaf,et al.External validation of an MR-based radiomic model predictive of locoregional control in oropharyngeal cancer.DOI:10.1007/s00330-022-09255-8