基于磁共振高分辨T2WI影像组学预测直肠癌新辅助治疗后病理完全反应的研究

作者：陆海迪; 沈浮; 陆建平; 郝立强^*

来源：国际肿瘤学杂志, 2020, 47(10).

• 直肠肿瘤
• 磁共振成像
• 新辅助治疗
• 影像组学

目的探讨基于磁共振高分辨T2WI影像组学方法对预测直肠癌新辅助治疗后病理完全反应(pCR)的价值。方法回顾性分析我院2018年1月至2019年3月新辅助治疗前接受磁共振高分辨T2WI成像检查并经病理证实的80例直肠癌患者, 在高分辨T2WI图像上手动勾画病灶容积感兴趣区(VOI)后提取影像组学特征, 采用最小绝对值收缩算子(LASSO)算法进行降维, 筛选对肿瘤pCR有价值的特征, 利用Random算法将数据随机分为训练集(n=64)与测试集(n=16)进行机器学习, 建立决策树(DT)、逻辑回归(LR)、随机森林(RF)、极限梯度增强树(XGBoost)4种机器学习模型并绘制ROC曲线, 分别计算AUC、敏感性、特异性及95%CI, 采用DeLong检验比较ROC曲线差异。结果 80例直肠癌患者pCR 15例, 占18.75%;非pCR 65例, 占81.25%。共提取1 409个影像组学特征, 经LASSO算法降维后筛选出8个最有价值的特征。测试集DT、LR、RF、XGBoost 4种分类器模型的AUC分别为0.870、0.801、0.912、0.945, 其中XGBoost分类器模型的AUC最大, 与DT、LR、RF分类器模型相比较, 差异具有统计学意义(P=0.008;P=0.006;P=0.009);其他3种模型两两比较, 差异均无统计学意义(PLR-RF=0.083;PDT-LR=0.113;PDT-RF=0.879)。4种分类器模型敏感性分别为78.57%、64.29%、78.57%、85.71%, 特异性分别为95.38%、84.62%、92.31%、98.46%, 95%CI分别为0.775～0.935、0.696～0.882、0.827～0.964、0.870～0.984。结论基于高分辨T2WI图像的影像组学对直肠癌新辅助治疗后pCR有预测价值, 其中XGBoost模型预测效能优于DT、LR、RF, 可以用于辅助临床制定个体化治疗决策。

• 单位
  长海医院; 中国人民解放军第二军医大学