人类乳头瘤病毒(HPV)是口腔咽鳞状细胞癌(OPSCC)发生的重要危险因素，其发病率在全球范围内迅速上升，具有独特的肿瘤特点以及对治疗的反应。这导致了美国癌症联合委员会第八版中OPSCC分期的范式转变，并为HPV-阳性 OPSCC开发了一个单独的分期系统。因此，在不知道HPV感染状况的情况下，术前根据影像学预测HPV状态有助于患者的咨询和治疗策略的制定。此外，影像学特征可以为HPV阳性和HPV阴性的OPSCC不同临床病程的病理生理学提供进一步的了解。

现阶段，临床已经进行了几项研究来确定 HPV 阳性和阴性的OPSCC的成像特征。早期研究根据HPV状态评估了OPSCC的可视化差异，其中只有少数特征，包括转移淋巴结的囊性改变与HPV阳性OPSCC相关，但诊断价值有限。随后基于扩散加权成像的方法表明通过定量分析预测HPV状态的可能性。为了满足对新的定量变量的需求，临床上已经尝试使用各种成像方式，将成像数据转换成高维特征空间。然而，以前使用多参数MRI的研究是在单中心进行的，没有外部验证，且数据不平衡尚未解决。

近日，发表在European Radiology杂志的一项研究利用最佳过采样和机器学习技术，开发并验证了一项基于多参数MRI的放射组学模型用于预测口咽鳞状细胞癌(OPSCC)中人乳头瘤病毒(HPV)状态。

本项回顾性的多中心研究纳入了2017年1月至2020年12月期间新诊断和病理证实的连续OPSCC患者(110例患者在训练组，44例患者在外部验证组)。从三个序列(T2加权图像[T2WI]、增强T1加权图像[CE-T1WI]和ADC)中提取293个放射组学特征。评估了三种特征选择、五种过采样和12种机器学习技术的组合，以优化其诊断性能。在外部验证集中对前5种模型的受试者工作特征曲线下面积(AUC)进行验证。

共纳入154例患者(59.2±9.1岁;132名男性(85.7%)，并采用过采样来解释hpv阳性和hpv阴性OPSCC之间的数据不平衡(86.4%[133/154] vs 13.6%[21/154])。对于ADC放射组学模型，随机过采样和脊线组合在外部验证集中显示出最高的诊断性能(AUC, 0.791;95% CI, 0.775-0.808)。与使用CE-T1WI的放射组学模型相比，ADC放射组学模型的诊断性能有更高的趋势(AUC, 0.604;95% CI, 0.590-0.618)， T2WI(AUC, 0.695;95% CI, 0.673-0.717)，以及两者的组合(AUC, 0.642;95% CI, 0.626-0.657)。

表 使用常规图像的前五位ADC放射组学模型和放射组学模型的诊断性能

在外部验证集中，采用随机过采样和ADC放射组学模型在预测OPSCC的HPV状态方面表现出最高的诊断性能，在临床实践中具有推广和适用性的潜力。

原文出处：

Yongsik Sim,Minjae Kim,Jinna Kim,et al.Multiparametric MRI-based radiomics model for predicting human papillomavirus status in oropharyngeal squamous cell carcinoma: optimization using oversampling and machine learning techniques.DOI:10.1007/s00330-023-10338-3