目的建立基于骶髂关节MRI影像组学特征和临床参数的联合列线图模型辅助诊断中轴型脊柱关节炎(axial spondyloarthritis,axSpA).材料与方法回顾性分析2019年4月至2021年9月在我院因怀疑axSpA而就诊的204例患者临床及影像资料,其中102例为确诊的axSpA患者,102例为健康对照.对其临床特征先后进行单变量和多变量分析,选择差异具有统计学意义的特征利用机器学习算法构建临床标签.在研究对象骶髂关节MRI的T1WI及脂肪抑制T2WI序列图像上勾画感兴趣区域并从中提取放射组学特征,利用组内相关系数、皮尔逊相关系数、最小绝对收缩和选择算子选择相关性较强的特征,采用五种机器学习模型(逻辑回归、随机森林、极端随机树、极端梯度提升、多变量逻辑回归)筛选判断骶髂关节异常的影像组学标签.最终将临床标签和影像组学标签整合,建立列线图模型.结果筛选的临床标签为C反应蛋白和红细胞沉降率.从骶髂关节T1WI和脂肪抑制T2WI序列图像中分别提取了1834个影像组学特征,在合并两个序列的特征后,最终共得到3368个特征,从中筛选相关性较高的特征.基于T1WI、脂肪抑制T2WI序列及二者联合的影像组学模型诊断axSpA表现最佳的均为逻辑回归模型,且融合模式的影像组学标签的诊断性能最佳.结合红细胞沉降率与影像组学标签的列线图模型在
作者：辛培锦；任翠；秦思源；赵伟丽；刘珂；颜瑞馨；王奇政；陈永晔；郎宁
来源：磁共振成像 2023 年 14卷 11期
