多参数多区域MRI影像组学特征与临床信息联合模型可有效预测脑胶质瘤患者生存期

摘要

目的 探讨脑胶质瘤患者肿瘤亚区影像组学特征，评估其对患者生存期的预后价值。方法 对388例胶质瘤患者的术前MRI多序列影像和临床数据进行回顾性分析，从瘤周水肿区域、肿瘤核心区以及全肿瘤区域提取T1、T2、T1加权对比增强（T1CE）、液体衰减反转恢复（FLAIR）序列的影像组学特征。将病例按照7∶3分为训练集（271例）和测试集（117例）。利用随机生存森林算法在训练集中筛选与总生存期相关的影像组学特征，并构建影像组学评分（Rad-score）。根据Rad-score将患者分为高、低风险组，使用Kaplan-Meier分析两组生存差异。建立瘤周水肿区、肿瘤核心区和全肿瘤区域的Cox比例风险回归模型，并通过五折交叉验证及受试者工作特征曲线下面积评估模型1年、3年生存率的预测效能，采用10例胶质瘤患者作外部验证。选择表现最优的模型进行生存期预测情况的列线图分析。结果 肿瘤核心区、瘤周水肿区和全肿瘤区域分别筛选出的影像组学特征数量分别为5、7、5，根据Rad-score，两风险组在训练集和测试集的总生存期存在差异（P<0.05）。单因素和多因素Cox分析显示，年龄、异柠檬酸脱氢酶状态和Rad-score是总生存期的独立影响因素。联合模型在训练集和测试集中的AUC表现优于单一Rad-score模型，其中全肿瘤模型的1年、3年生存率预测AUC分别为0.750、0.778（训练集），0.764、0.800（测试集）和0.938、0.917（外部验证集）。结论 基于术前多模态MRI影像组学特征与临床信息联合构建的预测模型能有效预测胶质瘤患者的生存期。

关键词

胶质瘤 / 影像组学 / 磁共振成像 / 机器学习 / 预后分析