基于ADC和增强MRI的影像组学模型预测低级别胶质瘤TERT启动子突变状态

作者：卢俊; 李祥; 黎海亮^*

来源：放射学实践, 2022, 37(05): 538-542.

DOI：10.13609/j.cnki.1000-0313.2022.05.001

• 胶质瘤
• 影像组学
• 磁共振成像
• 端粒酶逆转录酶基因
• TERT启动子突变
• 预测

目的:探讨基于ADC和增强MRI的影像组学模型对低级别胶质瘤端粒酶逆转录酶基因(TERT)启动子突变状态的预测价值。方法:回顾性搜集109例经病理证实的低级别胶质瘤患者，所有患者术前均行MRI检查，在ADC和对比增强T1WI(T1CE)图像上选取病灶最大层面，沿肿瘤边缘勾画ROI,提取影像组学特征。采用三联法(Fisher, POE+ACC,MI)和最小绝对收缩选择算子(LASSO)进行特征筛选，然后行多因素logistic回归分析，构建影像组学预测模型。采用ROC曲线评估预测模型的诊断效能。结果:在ADC和T1CE图像上分别提取279个影像组学特征，最终筛选出11个影像组学特征，分别建立ADC模型、T1CE模型和联合分析(ADC+T1CE)模型共3个影像组学模型。联合分析模型的预测效能最佳，训练集中曲线下面积(AUC)为0.928(95%CI:0.859～0.996),验证集中AUC为0.878(95%CI:0.758～0.997)。结论:基于ADC和增强MRI的影像组学模型能有效预测低级别胶质瘤TERT启动子突变状态，将不同序列的影像组学特征结合可提高预测效能。

• 单位
  郑州大学; 河南省肿瘤医院