目的 探讨基于双参数MRI影像组学机器学习模型对前列腺癌(PCa)Gleason评分分级分组中的价值.方法 回顾性收集经病理证实为PCa的患者138例,其中GG＞2患者83例,GG≤2患者55例.所有病人术前均进行MRI检查.按7:3将患随机分为训练集和测试集,分别用于影像组学模型的机器学习和验证,采用RF、SVM和XGboost构建3组模型(ADC、T2WI、ADC+T2WI),采用受试者操作特征(ROC)曲线评估析各模型鉴别GG≤ 2与GG＞2 PCa的诊断效能.结果 测试集中应用SVM算法的T2WI+ADC模型诊断效能最高,AUC为0.896.其次为T2WI+ADC中的RF模型,AUC为0.871.在各特征集中,RF和SVM算法的模型的AUC均高于XGboost算法.结论 基于双参数MRI影像组学机器学习模型可较好地鉴别GG ≤ 2与GG＞2 PCa.
作者：孙于越；张濬韬；苏月婷；田为中
来源：中国CT和MRI杂志 2023 年 21卷 8期
