基于MRI的口咽癌颈部淋巴结转移深度学习影像组学模型的构建

摘要

目的 旨在构建基于MRI的CET1及T2WI序列口咽癌颈部淋巴结转移的深度学习影像组学(DLR)模型，并评估其临床应用价值。方法 本研究纳入2019年7月—2025年10月湖南省肿瘤医院头颈外科及中南大学湘雅医院耳鼻咽喉头颈外科手术确诊的口咽癌患者123例，并按7∶3的比例分为训练集和测试集。采用Pyradiomics和ResNet101算法提取所有患者CET1及T2WI序列的影像组学(Rad)特征和深度学习特征。通过Spearman相关性系数和最小绝对收缩和选择算子筛选具有价值的特征，并构建Rad和DLR模型。采用曲线下面积(AUC)和决策曲线分析对模型的有效性进行评价，DeLong检验用于比较Rad及DLR模型AUC曲线的差异。结果 DLR模型在训练集和测试集中均表现出最佳的性能，在训练集中AUC为0.993(95%CI:0.982～1.000),测试集中AUC为0.934(95%CI:0.849～1.000)。结论 基于CET1及T2WI的DLR模型在术前预测口咽癌淋巴结转移方面具有较好的性能，可以为临床医生制订更精准的个体化治疗策略提供帮助。

关键词

口咽癌 / 淋巴结转移 / 深度学习影像组学 / 影像组学

基金资助

湖南省卫生健康科研课题(20257924); 吴阶平医学基金会科研专项资助基金(320.6750.2025-16-27)