基于影像组学的机器学习模型预测儿童肺炎支原体肺炎耐药性的价值分析

摘要

目的：分析基于影像组学的机器学习模型预测儿童肺炎支原体肺炎(MPP)耐药性的价值。方法：回顾性分析2023年6月—2024年5月于上海中冶医院诊治的100例MPP患儿的临床资料，按照耐药性分为耐药组(n=43)与不耐药组(n=57)。对所有患儿的初诊胸部CT图像病灶勾画感兴趣区(ROI)并提取影像特征，进行筛选和降维处理后将最终筛选出来的特征纳入逻辑回归模型中，联合临床特征构建两种预测模型(模型A：影像组学模型，模型B：影像组学联合临床模型)，在验证集中比较模型的诊断效能，评价方法包括受试者工作特征曲线(ROC)的曲线下面积(AUC)、准确率、精确度、灵敏度、特异度。结果：耐药组和不耐药组患儿的年龄、反复发热、C反应蛋白、血清淀粉样蛋白A和降钙素原水平比较，差异有统计学意义(P<0.05)。训练集中，模型A、B的AUC分别为0.952、0.978，模型B较优；验证集中，模型B的AUC(0.777)和灵敏度(0.688)较高，模型A的准确率(0.700)、精确度(0.769)和特异度(0.786)较高。结论：基于影像组学的机器学习模型对儿童MPP耐药性的预测有一定的参考价值。

关键词

肺炎支原体肺炎 / 耐药性 / 影像组学 / 机器学习 / 逻辑回归分析