Loading...
Бөөрний эсийн өмөнгийн хэв шинжүүдийгкомпьютерт томографид суурилсан радиомикшинжилгээгээр хагалгааны өмнө ялган оношлох асуудалд
Зохиогч
Он
2026 оны тавдугаар сарын 22
Төрөл
journal article
Journal
Эрүүл мэндийн шинжлэх ухаан
Volume
22
Issue
5
Start Page
37
End Page
43
ISSN
2959-6947
Хураангуй
Үндэслэл: Бөөрний эсийн өмөн (БЭӨ) нь насанд хүрэгсдийн бөөрний бүх хавдрын 85–90%-ийг, нийт хавдрын 1–3%-ийг тус тус эзэлдэг ба сүүлийн жилүүдэд тохиолдлын тоо жилд жил тогтмол нэмэгдэж байна. Тунгалаг эст (ccRCC), хөхлөгт (pRCC), хромофоб (chRCC) зэрэг дэд хэв шинжүүд нь генийн мутаци, биологийн онцлог болон эмчилгээний хариу үйлдлийн хувьд мэдэгдэхүйц ялгаатай байдаг тул хагалгааны өмнөх хэв шинжийн тодорхойлох нь эмнэлзүйд чухал ач холбогдолтой юм. Уламжлалт КТ-ийн харааны аргаар үнэлэх нь хязгаарлагдмал ба тодосгогчтой КТ-д суурилсан радиомик шинжилгээ шинэ оношилгооны аргачлал байж болох юм. Зорилго: Тодосгогчтой КТ-д суурилсан радиомик шинжилгээний тусламжтайгаар БЭӨ-ийн ccRCC болон non-ccRCC дэд хэв шинжүүдийг хагалгааны өмнөх шатанд ялган оношлох загварыг боловсруулж, дотоод болон гадаад баталгаажилтаар оношилгооны чадамжийг үнэлэх. Арга, аргачлал: Бид энэхүү судалгааг 2021–2024 оны хооронд УНТЭ-ийн Урологи-Андрологийн төвд БЭӨ оношлогдсон, эмгэг судлалаар батлагдсан 121 өвчтөнд хийж гүйцэтгэв. Судалгаанд оролцогчдыг ccRCC (n=84) болон non-ccRCC (n=37) гэсэн хоёр бүлэгт хуваасан. КТ-ийн кортикомедуляр фазын зурагт 3D Slicer программаар хавдрын хэсгийг тодорхойлж, нийт 122 радиомик шинжийг гарган авав. Үүнд first-order uniformity, GLCM (саарал шатлалын хамтааллын матриц), GLRLM (саарал шатлалын run-length матриц), хэлбэрийн flatness болон GLCM maximum probability зэрэг параметрүүдийг багтаав. Оношилгооны чадамжийг ROC шинжилгээгээр, загварын тогтвортой байдлыг гадаад баталгаажилтаар (n=73) үнэллээ. Үр дүн: GLRLM параметр нь ccRCC (дундаж 0.1230) болон non-ccRCC (дундаж 0.0170) бүлгүүдийн хооронд статистик ач холбогдол бүхий ялгааг харуулсан (p<0.001). ROC шинжилгээгээр GLRLM-ийн хязгаарын утга 0.1493, дотоод баталгаажилтын AUC 0.9103, мэдрэг чанар 83.3%, өвөрмөц чанар 92.3% байв (p<0.01). Гадаад баталгаажилтад (n=73) AUC 0.860, нарийвчлал 86.0% байсан нь загварын ерөнхийлөх чадамжийг нотолж байна. First-order uniformity (AUC=0.880) болон variance (AUC=0.862) параметрүүд GLRLM-тэй ойролцоо чадамжтай байсан бол flatness (AUC=0.584), GLCM (Imc2, AUC=0.621) зэрэг параметрүүд ялган оношлох үнэлэмж харьцангуй бага байв. Confusion matrix-ийн дотоод баталгаажилтад нарийвчлал 86.0%, гадаад баталгаажилтад 86.0% байв. Дүгнэлт: Инвазив бус КТ-д суурилсан радиомик шинжилгээ нь БЭӨийн хэв шинжүүдийг хагалгааны өмнөх шатанд өндөр нарийвчлалтай (AUC=0.92) ялган оношлох чадамжтай болохыг дотоод болон гадаад баталгаажилтаар харуулж байна.
Background: Renal cell carcinoma (RCC) accounts for 85–90% of all primary renal malignancies in adults and 1–3% of all cancers worldwide, with incidence rising steadily year by year. Clear cell (ccRCC), papillary (pRCC), and chromophobe (chRCC) subtypes differ significantly in genetic alterations, biological behavior, and treatment response, making preoperative subtype identification clinically important. Conventional qualitative CT assessment is limited, and contrast-enhanced CT-based radiomics may represent a novel diagnostic approach. Aim: To develop a model for preoperative differentiation of ccRCC from non-ccRCC subtypes using contrast-enhanced CT-based radiomics, and to evaluate its diagnostic performance through internal and external validation. Materials and Methods: A retrospective study was conducted on 121 patients with histopathologically confirmed RCC treated at the Urology–Andrology Center of the First Central Hospital of Mongolia between 2021 and 2024. Patients were categorized into ccRCC (n=84) and non-ccRCC (n=37) groups. Tumor segmentation was performed on corticomedullary phase CT images using 3D Slicer software, and a total of 122 radiomic features were extracted, including first-order uniformity, gray-level co-occurrence matrix (GLCM), gray-level run-length matrix (GLRLM), shape flatness, and GLCM maximum probability. Diagnostic performance was assessed by ROC analysis, and model generalizability was evaluated through external validation (n=73). Results: GLRLM demonstrated a statistically significant difference between the ccRCC (mean 0.1230) and non-ccRCC (mean 0.0170) groups (p<0.001). ROC analysis yielded an optimal cut-off value of 0.1493 for GLRLM, with an internal validation AUC of 0.9103, sensitivity of 83.3%, and specificity of 92.3% (p<0.01). External validation (n=73) achieved an AUC of 0.860 and an accuracy of 86.0%, confirming the model’s generalizability. First-order uniformity (AUC=0.880) and variance (AUC=0.862) showed comparable discriminative performance to GLRLM, whereas flatness (AUC=0.584) and GLCM Imc2 (AUC=0.621) demonstrated relatively poor discriminative ability. Confusion matrix analysis yielded an accuracy of 86.0% in both internal and external validation cohorts. Conclusion: Non-invasive CT-based radiomics demonstrates the ability to accurately differentiate RCC subtypes preoperatively with high precision (AUC=0.92), as confirmed by both internal and external validation.
Нэмэлт мэдээлэл
Бүрэн эх: https://journal.mnums.edu.mn/index.php/emsu/article/view/1682
Эшлэл
С.Энхболд, О.Пүрэвдорж, Х.Тэлмэн, Б.Содгэрэл, А.Шийрэвнямба, Д.Гончигсүрэн нар. Бөөрний эсийн өмөнгийн хэв шинжүүдийгкомпьютерт томографид суурилсан радиомикшинжилгээгээр хагалгааны өмнө ялган оношлох асуудалд. Эрүүл мэндийн шинжлэх ухаан. 2026;22(5):37-43.