基于MRI影像组学预测肺癌脑转移瘤病理类型的价值

摘要

目的:探讨基于增强T₁加权成像（CE-T₁WI）、表观弥散系数（ADC）及液体衰减反转恢复（FLAIR）序列的MRI影像组学模型在无创性预测小细胞型及非小细胞型肺癌脑转移瘤中的鉴别价值。方法:回顾性分析2021年3月—2025年3月江苏省人民医院宿迁医院经影像随诊或手术病理证实的肺癌脑转移瘤患者176例[小细胞型80例,非小细胞型96例（腺癌76例,鳞癌20例）]的临床资料及MRI影像资料,采用简单随机化方法按7:3比例将患者分为训练组（n=123）与验证组（n=53）。利用3D Slicer软件手动勾画脑转移瘤感兴趣体积,通过深睿医疗多模态科研平台提取影像组学特征,采用最大相关最小冗余（mRMR）和最小绝对收缩和选择算子（LASSO）-Logistic筛选特征构建预测模型,通过应用受试者工作特征（ROC）曲线,计算曲线下面积（AUC）对预测模型的效能进行评价。结果:从MRI的ADC、FLAIR和CE-T₁WI图中分别筛选出4、5、10个影像组学特征构建预测模型,各预测模型均能鉴别小细胞型与非小细胞型肺癌脑转移瘤,其中联合3种序列构建的预测模型诊断效能最佳,训练组和验证组AUC值分别为0.910和0.825,且该模型灵敏度和特异度均较高。结论:基于CE-T₁WI、ADC及FLAIR序列联合构建的MRI影像组学模型能够有效无创预测肺癌脑转移瘤的病理类型,且联合模型的诊断效能显著优于单一序列模型,为临床提供了一种无创、有效的鉴别方法,有助于指导个体化治疗决策和预后评估。

关键词

脑转移瘤 / 肺癌 / 磁共振成像 / 影像组学 / 预测模型

基金资助

宿迁市科技计划资助（SY202302）