基于深度影像组学模型的直肠癌患者新辅助治疗敏感性预测研究

摘要

目的 探究基于集成学习算法构建的新辅助治疗敏感性识别模型的性能，用于新辅助治疗敏感患者预测。方法 本研究收集了哈尔滨医科大学附属肿瘤医院经过标准新辅助治疗及手术的255位直肠癌患者，其中139位患者对新辅助治疗敏感，116位患者不敏感。使用递归特征消除法筛选深度学习特征和影像组学特征，构建集成学习模型。采用留出法验证模型的泛化性能，对灵敏度、特异度、阳性预测值、阴性预测值、准确度、G-mean、F-measure、马修斯相关系数(Matthews correlation coefficient,MCC)和受试者特征曲线下面积(area under the receiver operating characteristic curve,AUC)综合评价并比较模型性能。结果 整合模型在外部验证集的表现为:AUC值为0.916(95%CI:0.899～0.935)，灵敏度为1.000，特异度为0.833，阳性预测值为0.875，阴性预测值为1.000，准确率为0.923,G-mean为0.913,F-measure为0.933,MCC为0.854。结论 深度特征与影像组学特征整合模型优于单独深度特征模型和影像组学特征模型，对识别新辅助治疗敏感患者具有较好的实用性和可靠性，可用于临床实践参考。

关键词

直肠癌 / 新辅助治疗 / 集成学习 / 分类模型