目的:通过比较不同的机器学习算法模型,建立和验证基于直肠系膜脂肪的MRI 影像组学模型,用于术前鉴别T2、T3 期直肠癌.方法:回顾性入组288 例T2、T3 期直肠癌患者的资料.分别从T2WI、表观扩散系数(ADC)、弥散加权成像(DWI)序列中病灶感兴趣区(ROI)提取放射组学特征.在使用组间一致性分析(ICC)及Pearson相关性分析降维后,采用最小绝对收缩和选择算子(LASSO)回归分析对每个序列来选择特征.然后使用逻辑回归(Logistic)、随机森林(Random Forest)、K最近邻(KNN)、决策树(Decision Tree)、朴素贝叶斯(Naive Bayes)、支持向量机(SVM)、极端梯度提升(XGBoost)7 种不同的机器学习算法将LASSO回归筛选出的影像组学特征构建不同的预测模型.使用受试者工作特征曲线(ROC)下面积(AUC)来评估每个模型的性能,将最佳的机器学习模型与临床资料构建联合模型.做决策曲线分析(DCA)和校准曲线来评估联合模型的临床实用性和校准度.结果:基于Logistic算法的放射组学模型表现最稳定,训练集和测试集的AUC分别为0.876 和0.807.基于MRI报告T分期和Logistic算法建立的联合模型显示出出色的辨别力,训练集和测试集的AUC分别为 0.921 和 0.889.校准图和临床决策曲线显示出良好的临床校准度和临床实用性.结论:基于直肠系膜脂肪的MRI多序列
作者：邓波；杨严伟；刘原庆；戴慧
来源：现代肿瘤医学 2023 年 31卷 20期
