唾液腺肿瘤占所有头颈部癌症的2%-6.5%，其中腮腺肿瘤是主要的亚型，良性率为75%-80%。源自上皮组织的多形性腺瘤（PAs）是最常见的腮腺肿瘤，第二常见的腮腺肿瘤是warthin肿瘤（WTs），源于上皮组织和淋巴组织，其他亚型则相对罕见。尽管PAs和WTs大多是良性病变，但它们的生物学行为是不同的。PAs相对具有侵略性、有恶性的倾向，切除后有复发的可能。PAs和WTs的预后和治疗方法也不同。因此，在手术前准确诊断PA和WT是非常重要的。

超声波（US）、计算机断层扫描（CT）和磁共振成像（MRI）是诊断腮腺肿瘤的常用方法。核磁共振成像相对较慢，费用比其他方法高，而且由于磁相容性，如有心脏起搏器的存在检查也受到限制。US检查十分方便，但对操作者的技能要求很高，而且腮腺深叶的病变不容易被发现。为了进行绝对诊断，临床上通常采用细针抽吸（FNA）活检进行病理诊断，但由于其为侵入性检查，因此可能会造成面神经损伤等并发症。

最近，放射组学已被广泛用于肿瘤的辅助诊断和治疗预后研究。密度、形状、纹理和高阶特征可以从图像和肿瘤形状中提取，提供肉眼无法识别的丰富信息。利用这些特征可以从影像数据中获得肿瘤的术前诊断，对肿瘤特征进行精确评估。目前，腮腺肿瘤的放射组学分析已经引起了许多学者的关注。在文献中，放射组学在分析头颈部肿瘤、区分原发性鳞状细胞癌中乳头瘤病毒阳性和阴性病例、识别腮腺淋巴组织的良性和恶性病变等方面都有研究报道。

近日，发表在academic radiology杂志的一项研究通过利用增强CT图像（动脉期）并结合临床信息和多中心数据集实现PA和WT的术前无创鉴别诊断。

本项研究将来自两家医院的共267名PAs（n = 172）或WTs（n = 95）患者随机分为训练（n = 188）和验证（n = 79）数据集。从增强的CT（动脉期）中提取放射组学特征，然后进行降维。临床和CT特征结合起来建立了一个预测模型。通过结合RadScore和临床因素，构建了一个放射组学列线图。此外，还采用了第三家医院的31名患者的独立数据集来测试该模型。并在训练、验证和独立测试数据集上评估了列线图、放射组学特征和临床模型的性能。使用接收操作特征（ROC）曲线来比较性能，并使用决策曲线分析（DCA）来评估模型的临床效果。 

研究从CT数据中共选择了15个放射组学特征作为生成RadScores的影像学标记，并根据多变量逻辑回归分析，将人口统计学或临床数据如年龄、性别和吸烟因素与RadScores相结合，用于区分PAs和WTs。结果显示，结合临床因素和RadScores的放射组学列线图为区分PAs和WTs提供了令人满意的预测值，训练、验证和独立测试数据集的ROC曲线下面积（AUC）分别为0.979、0.922和0.903。决策曲线分析显示，放射组学提名图在准确性和有效性方面优于临床因素模型。 

 图 病例1（a）：35岁男性的多形性腺瘤。病例2（b）：来自75岁男性的WT肿瘤

基于CT的放射组学列线图结合RadScores和临床因素可用于识别PA和WT，并可协助临床医生进行肿瘤的管理及诊治。

原文出处：

Baomin Feng,Zhou Wang,Jingjing Cui,et al.Distinguishing Parotid Polymorphic Adenoma and Warthin Tumor Based on the CT Radiomics Nomogram: A Multicenter Study.DOI:10.1016/j.acra.2022.06.017