基于MRI影像组学特征的多种机器学习模型预测直肠癌脉管浸润的效能

摘要

目的：探讨基于MRI影像组学特征的机器学习模型术前预测直肠癌脉管浸润（LVI）的效能。方法：回顾性分析2016年1月—2023年7月梅州市人民医院经手术病理证实的150例直肠癌患者的临床资料，根据术后病理结果分为LVI阳性组和LVI阴性组。采用分层随机抽样方法以7︰3的比例分为训练集（n=105）和测试集（n=45）。在uAI Research Portal软件勾画T₂WI、弥散加权成像（DWI）、表观弥散系数（ADC）图的肿瘤三维容积感兴趣区（VOI），并提取影像组学特征。依次采用最佳k特征算法（SKB）、最小绝对收缩和选择算子（LASSO）进行特征筛选，构建随机森林（RF）、高斯过程（GP）、逻辑回归（LR）、二次判别分析（QDA）模型。绘制不同模型的受试者工作特征（ROC）曲线，计算曲线下面积（AUC）、准确率、灵敏度、特异度和F1值评估模型的效能，并在测试集中验证。结果：通过T₂WI、DWI、ADC图共提取6 792个影像组学特征，经筛选最终获得4个最优特征集，包括T₂WI＿original＿shape＿Maximum 3D Diameter、T₂WI＿log＿first order＿log-sigma-4-0-mm-3D-Total Energy、T₂WI＿normalize＿first order＿Total Energy、DWI＿original＿shape＿Maximum 3D Diameter。RF、GP、LR、QDA模型在训练集预测直肠癌LVI的AUC分别为0.912、0.830、0.833、0.829，在测试集的AUC分别为0.864、0.808、0.813、0.808。其中，RF模型具有最高的AUC值和较高的F1值，其综合预测效能最佳。结论：基于MRI影像组学特征的机器学习模型能够较准确地术前预测直肠癌LVI状态，其中RF模型表现最佳，具有临床应用价值。

关键词

磁共振成像 / 影像组学 / 弥散加权成像 / 直肠癌 / 脉管浸润

基金资助

梅州市社会发展科技计划项目(2023C0301191)