| 摘要: |
| 目的探讨基于机器学习的多参数MRI影像组学在术前预测喉鳞状细胞癌（LSCC）患者Ki-67表达水平的价值。方法回顾性分析2016年1月至2024年2月在温州医科大学附属第五医院（中心1）和2019年1月至2023年12月丽水市人民医院（中心2）经病理检查证实为LSCC共271例患者的临床病理及MRI资料。将中心1的189例患者以7∶3比例随机分为训练集132例和验证集57例；中心2的82例患者作为外部测试集。在T2WI和对比增强T1加权成像（CE-T1WI）图像中提取病灶的影像组学特征，通过降维获得最佳特征并建立6种机器学习分类器。选择验证集和外部测试集中平均AUC最高的分类器作为最佳影像组学模型，并将其结果转换为影像组学评分（Rad-score）。将单因素分析中P＜0.05的临床特征纳入多因素logistic回归分析，得到与Ki-67高表达相关的危险因素并建立临床模型。基于临床危险因素和影像组学特征构建联合模型，并绘制列线图。采用ROC曲线评价不同模型对Ki-67表达水平的预测效能。结果从T2WI和CE-T1WI图像中获得了12个最佳影像组学特征。在验证集和外部测试集中，6种机器学习分类器AUC范围分别在0.647~0.829和0.664~0.803，其中支持向量机具有最佳的预测效能（平均AUC为0.816）。进一步将临床T分期、MRI报告淋巴结状态与Rad-score相结合建立列线图模型。ROC曲线结果显示，列线图模型在训练集、验证集和外部测试集的AUC分别为0.923、0.870和0.822。结论基于机器学习的多参数MRI影像组学对LSCC患者Ki-67表达水平具有较好的预测效能，进一步结合临床特征建立的列线图模型能够更好地提升预测效能。 |
| 关键词: |
| DOI：10.12056/j.issn.1006-2785.2024.46.13.2023-2302 |
| 分类号: |
| 基金项目:浙江省医药卫生科技计划项目（2024KY568） |
|
|
|
|
| Abstract: |
|
| Key words: |
