核磁共振影像组学对于进展直肠癌分期及微血管浸润转移临床预测模型研究

作者：苟文枭; 刘亚龙; 杜定学; 贾维; 李晨; 张辉^*

来源：中国ct和mri杂志, 2023, 21(11): 132-135.

• 直肠癌
• 影像组学
• 机器学习
• 预测模型
• 危险因素

目的 分析核磁共振影像组学对于直肠癌病理分期进展及微血管浸润(MVI)的预测相关性。方法 回顾性收集2020年1月至2023年1月成都市温江区人民医院直肠癌手术患者资料。依据直肠癌病理TNM分期分为进展组(T3、T4期)及对照组(T1、T2期),按照7:3随机分为建模组和验证组。采用机器学习(machine learning,ML)算法:LASSO回归从核磁影像特征数据中变量筛选,随机森林(random forest,RF)回归分析危险因素建立预测模型。通过收集受试者操作特征(receiver operating characteristic curve,ROC)曲线以及临床校准、临床决策和影响曲线来评估预测性能,采用外部验证模型预测性。结果 纳入120名患者,包括进展组75例、非进展组45例。基线资料对比显示患者年龄增大、家族史和吸烟史的患者癌症发生率较高,差异有统计学意义(P<0.05)。影像组学分析:LASSO回归从270个影像组学提取特征纳入了30个潜在预测因子,随机森林模型显示肿瘤矢状位最大径、盆腔侧壁受累征、T2WI边缘结节征、T2WI边缘毛刺征、s高灰度区域分布程度、表观扩散系数(ADC)值是直肠癌病理组织分期进展的危险因素。建模组显示模型ROC曲线下面积(AUC为0.874(95%CI,0.837-0.905)。校准曲线及临床决策和临床影响曲线表明该模型具有良好的预测准确性,验证组显示模型ROC曲线的AUC为0.904(95%CI,0.857-0.955)。亚组分析显示模型对于对于肿瘤微血管浸润转移进展预测AUC为0.876(95%CI 0.831-0.916)。结论 影像组学结合机器学习算法可以初步预测直肠癌病理T分期及肿瘤组织有无微血管转移进展。

• 单位
  中国人民解放军陆军军医大学; 成都市温江区人民医院