目的 探讨基于动脉期及静脉期对比增强CT建立的影像组学模型在预测直肠癌区域淋巴结转移状态的价值.方法 回顾性分析303例经病理证实直肠癌患者的资料,从动脉期及静脉期CT增强图像中分别提取了 1 648个原发肿瘤的影像组学特征.使用影像组学评分(Rad-score)、K近邻(KNN)、多层感知机(MLP)和支持向量机(SVM)4种机器学习模型,并选择出最佳机器学习模型.将动脉期和静脉期的最佳机器模型的预测概率作为输入值,采用逻辑回归算法,进一步构建动脉期-静脉期的影像组学融合列线图.结果 无论是动脉期还是静脉期模型,SVM均是4种机器学习模型中效能最高的模型.基于动脉期SVM模型(ASVM)及静脉期SVM模型(VSVM)的预测概率所构建的融合列线图进一步提升了对区域淋巴结转移状态的预测能力,其训练组曲线下面积(AUC)为0.860,验证组AUC为0.801,均高于ASVM(训练组,AUC=0.822;验证组,AUC=0.777)和VSVM模型(训练组,AUC=0.832;验证组,AUC=0.786).结论 基于增强CT图像构建的动脉期-静脉期影像组学融合列线图模型对于直肠癌患者治疗前淋巴结转移状态有较好的预测能力.
作者:刘家璇;卢希;杜莹;孙玲玲
来源:实用放射学杂志 2023 年 39卷 12期