目的 探讨基于不同的机器学习算法构建的动态对比增强磁共振成像(DCE-MRI)影像组学模型在术前预测乳腺癌人类表皮生长因子受体 2(HER-2)表达的价值.方法 回顾性分析经病理证实为乳腺癌的 107 例患者的 DCE-MRI图像,从 DCE-MRI图像第 3 期提取乳腺病灶影像组学特征共 1 032 个.将患者按照 7 ︰3 的比例随机分为训练集和测试集.首先利用单因素方差分析,Spearman相关性分析及带 L2 惩罚项的逻辑回归(LR)为基模型来选择最佳影像组学特征,随后采用 LR、支持向量机(SVM)、随机森林(RF)、LightGBM(LGB)4 种常用机器学习算法分别构建预测 H ER-2 表达的模型,并在测试集中进行验证.利用受试者工作特征(ROC)曲线评估 4 种模型的预测效能,同时计算曲线下面积(AUC),并以 5 折交叉验证ROC曲线评估模型的稳定性,最后利用临床决策曲线分析(DCA)4 种模型的临床价值,选择预测 H ER-2 表达的最佳模型.结果 最终保留 7 个影像组学特征用于模型构建,LR、SVM、RF及LGB 4 种机器学习算法构建的模型在测试集中的 AUC分别为 0.778、0.829、0.829、0.870,5 折交叉验证平均 AUC分别为 0.783、0.826、0.786、0.873.结论 基于 DCE-MRI 图像不同机器学习算法构建预测 HER-2 表达的影像组学模型均有良好的诊断效能,可用于术前预测乳腺癌
作者:顾银银;丁承宗;王玉;刘淑玲;张笑;高莹莹
来源:实用放射学杂志 2023 年 39卷 11期