基于多参数MRI影像组学的机器学习模型鉴别颅底脊索瘤和颅底软骨肉瘤：一项多中心回顾性研究

摘要

目的 探讨基于多参数MRI影像组学特征的机器学习模型在术前鉴别颅底脊索瘤与颅底软骨肉瘤中的价值。方法 回顾性纳入南方医科大学南方医院、南方医院赣州医院（4∶1）2012年1月～2024年12月的180例经病理证实的颅底肿瘤患者（136例脊索瘤，44例软骨肉瘤），收集其临床特征，采用nnUNet框架分割肿瘤区域并提取MRI影像组学特征，构建临床特征、影像组学特征及融合特征三类子集并经过特征预处理后，以病理结果为标签训练11个机器学习模型，并以ROC曲线下面积（AUC）、准确率等指标选出最优模型。结果 融合特征模型中，逻辑回归模型性能最优，其AUC为0.92(95%CI:0.86-0.98)，准确率达87%。基线分析显示，肿瘤直径、钙化、纤维间隔及强化程度对鉴别有统计学意义（P<0.05）。决策曲线分析表明，融合模型在临床风险阈值6%～91%的净获益率更高。结论 基于多参数MRI影像组学与临床特征的融合模型可有效区分颅底脊索瘤与颅底软骨肉瘤，为术前精准诊疗提供参考。

关键词

MRI影像组学 / 机器学习 / 颅底肿瘤 / 多中心研究