多参数MRI影像组学机器学习模型预测直肠癌神经浸润的价值

摘要

目的:探究基于多参数MRI组织学结合临床和常规放射学特征的机器学习模型在直肠癌术前预测周围神经浸润（PNI）中的价值。方法:回顾性分析2016年1月—2019年12月大连大学附属新华医院经术后病理确诊的123例直肠癌患者的临床资料。根据术后病理结果,将患者分为PNI阳性组（n=29）和PNI阴性组（n=57）。将患者按照7:3的比例随机分为训练集（n=86）和验证集（n=37）。在T₂WI和T₁WI中手动划定感兴趣体积（VOI）,从中提取出共计1 476个放射组学特征。使用斯皮尔曼相关分析、曼-惠特尼U检验及最小绝对收缩和选择操作器（LASSO）进行特征选择,并使用Logistic回归算法构建PNI预测模型,包括3个单一模式模型和2个混合模式模型。通过受试者工作特征（ROC）曲线、校准曲线和决策曲线分析（DCA）评估模型的预测性能和临床实用性。结果:临床放射-影像组学模型显示出最佳预测效果,在训练集中的曲线下面积（AUC）为0.868,在验证集中的AUC为0.901。校准曲线显示,临床放射-影像组学模型的预测结果与临床实际事件之间具有良好的一致性,DCA提示模型具有较高的临床获益。结论:临床放射-影像组学模型对PNI的预测效能较好,在手术前预测直肠癌患者的PNI状态方面存在潜在的应用价值。

关键词

放射组学 / 机器学习 / 多参数MRI / 直肠癌 / 神经周围侵犯