体积混杂

许多看似强大的影像组学签名，可能只是肿瘤体积的替代品。本期解读的论文提出READII-2-ROQC框架，通过生成体积不变的阴性对照图像，系统检验了传统影像组学特征和最新成像基础模型FMCIB特征对空间结构的真实依赖性。研究发现，多个已发表的总生存期预测签名在图像纹理被完全破坏后性能不变，其预测能力与仅使用体积的模型相当。更令人警醒的是，FMCIB深度学习特征主要从肿瘤边界或背景区域提取信息，而非肿瘤内部纹理。该框架为影像标志物研究提供了关键的混杂因素审计工具，但其目前尚未涵盖采集参数等上游变异。