基于影像组学和可解释机器学习的局部进展期直肠癌新辅助放化疗疗效预测

摘要

利用直肠癌放疗靶区影像组学特征结合可解释机器学习模型，预测局部进展期直肠癌（LARC）患者术前新辅助放化疗疗效。筛选290例LARC患者的临床资料，根据病理退缩分级分为有效组和无效组，提取影像组学特征并结合临床病理信息，构建预测模型，基于AUC评估性能选出最优模型，并通过列线图及决策曲线进行解释性分析。纳入223名患者，有效组48例。训练集中共有156名患者（有效组34人），验证集中67名患者（有效组14人）。列线图模型最优，在训练集中AUC达到0.858，在内部测试集中AUC为0.844。决策曲线分析显示，列线图模型在绝大部分阈值区间内临床净收益优于其他模型。影像组学联合临床变量的列线图模型可准确预测新辅助放化疗疗效，并提升临床应用价值。

关键词

局部进展期直肠癌 / 新辅助放化疗 / 影像组学 / 机器学习 / 可解释性