基于MRI放射组学模型预测乳腺癌腋窝淋巴结转移状态的初步研究

作者：文洁; 王猛; 刘周; 任雅; 杨倩; 向露; 耿亚媛; 罗德红^*

来源：现代肿瘤医学, 2023, 31(03): 506-512.

• 乳腺癌
• 腋窝淋巴结转移
• 多参数磁共振
• 放射组学
• 机器学习模型

目的:研究原发性乳腺癌基于多参数磁共振图像的放射组学特征机器学习模型在预测腋窝淋巴结转移状态中的价值。方法:乳腺癌患者98例，共114个乳腺病变，利用基于直方图、形状和纹理的多参数图像特征分别提取107个放射组学特征。采用方差阈值(方差阈值=0.8)和最小绝对收缩选择算子(lasso)来减少冗余特征。基于所选择的最优特征，建立放射性组学的预测模型，采用了3个分类器，分别是k近邻(k-Nearest Neighbor, KNN)、支持向量机(support vector machine, SVM)和Logistic回归模型(logistic regression, LR)。并利用ROC分析方法对测试集中曲线下的面积(under the curve, AUC)进行预测性能评价。结果:有淋巴结转移的乳腺癌46例共56个病灶，无淋巴结转移的乳腺癌52例共58个病灶。在特征选择之后，利用最佳放射组学特征(5倍交叉验证，分别12、10、29、10、16个特征)建立预测模型。在三种基于放射组学的模型中，SVM模型的性能最好，平均AUC为0.805,高于KNN及LR的平均AUC(0.783、0.802)。结论:乳腺癌的MRI纹理分析可作为预测淋巴结转移状态的非侵袭性指标，值得进一步研究。

• 单位
  中国医学科学院北京协和医学院