基于胰腺导管腺癌及坏死区的MRI机器学习模型对预后预测的价值

摘要

目的:整合腹部磁共振成像(MRI)的常规影像特征与临床特征，构建机器学习预测模型，以评估肿瘤坏死在胰腺导管腺癌(PDAC)预后中的预测价值。方法:选取139例病理证实PDAC的患者为研究对象。在常规MRI图像上，确定肿瘤有无坏死，筛选与生存相关的常规MRI特征及临床特征，建立COX比例风险模型与随机森林生存模型，分析坏死对PDAC患者预后的预测价值。使用C-指数、时间依赖的受试者工作特征(ROC)曲线、校准曲线、Kaplan-Meier曲线评估模型的预测效能。结果:常规MRI图像上确定的坏死组和非坏死组患者在性别和生存时间差异上有统计学意义(P<0.05)。多因素分析发现年龄、肿瘤大小、坏死比例、是否手术是总生存期(OS)的独立风险因素。随机森林模型在预测PDAC患者总体生存率中表现更优，模型的C指数为0.758(训练组)、0.712(测试组);预测1、2、3年总生存率的曲线下面积(AUC),在训练组分别为0.739、0.716、0.693;在测试组分别为0.704、0.679、0.647。以上结果表明机器学习模型相较常规模型有更好的预测能力。结论:腹部MRI图像上确定的肿瘤坏死对患者预后具有一定的预测价值，随机森林模型能更有效地区分高风险与低风险患者群体。

关键词

胰腺导管腺癌 / 磁共振成像 / 坏死 / 预后 / 机器学习