基于MRI影像组学的机器学习模型鉴别布鲁菌性脊柱炎与脊柱结核的研究

摘要

目的：构建基于MRI影像组学的多种机器学习模型，比较各模型对布鲁菌性脊柱炎（BS）与脊柱结核（STB）鉴别诊断效能，筛选最优模型。方法：回顾性纳入2020年1月—2025年1月肃南裕固族自治县人民医院确诊的BS、STB患者各48例，按7∶3比例分为训练集67例与测试集29例。基于脊柱MRI T₂WI脂肪抑制序列手动勾画病灶感兴趣区，提取影像组学特征，经Z-score标准化、Spearman相关性分析及LASSO回归筛选核心特征并构建影像组学评分。分别建立Logistic回归、随机梯度下降、支持向量机、决策树、自适应提升算法、K近邻算法、随机森林7种机器学习鉴别模型，通过受试者工作特征曲线、校准曲线、决策曲线（DCA）分析综合评估各模型诊断效能、拟合度及临床应用价值，采用多因素Logistic回归筛选独立预测因子。结果：最终筛选出12个核心影像组学特征，其中病灶体积、灰度共生矩阵（GLCM）对比度、GLCM能量为鉴别BS与STB的独立预测因子；7种机器学习模型均具备良好的鉴别能力，其中随机森林模型鉴别效能最优，训练集曲线下面积（AUC）为0.94，测试集AUC为0.91，校准曲线及DCA证实模型拟合度好、临床净收益高。结论：MRI影像组学联合机器学习模型可有效鉴别BS与STB，以随机森林模型诊断效能最佳，能提升鉴别准确率，可为基层医院临床诊疗提供客观、可靠的影像学参考依据。

关键词

磁共振成像 / 影像组学 / 布鲁菌性脊柱炎 / 脊柱结核 / 机器学习 / 鉴别诊断

基金资助

肃南县县级科技计划项目（SN2025JS04）