基于临床及影像组学构建中轴性脊柱关节病支持向量机预测模型

目的:基于临床及影像组学采用支持向量机(SVM)构建中轴性脊柱关节病(axSpA)的预测模型.方法:回顾性收集2012年10月至2019年2月在温州医科大学附属第一医院就诊的568例腰背痛患者,最终诊断axSpA 319例,非axSpA 249例.按7:3将患者随机分为训练组与验证组.于骶髂关节CT上手动勾画三维感兴趣区(V0I)并提取影像组学特征,应用最小冗余最大相关性(mRMR)及最小绝对收缩和选择算子(LASSO)算法进行降维及选择最优影像组学特征;采用单因素和多因素Logistic回归分析寻找诊断axSpA的临床危险因素.最后使用SVM分别构建临床、影像组学及临床-影像组学联合模型,利用受试者工作特征(ROC)曲线及Delong检验评估模型的诊断效能.结果:临床-影像组学联合模型在验证组中具有最佳诊断效能,诊断准确性为0.83,灵敏度和特异度分别为85.2％、79.7％,其ROC曲线下面积(AUC=0.91)高于临床模型(AUC=0.81)及影像组学模型(AUC=0.83),差异均有统计学意义(P＜0.05).结论:基于临床和影像组学构建SVM模型对诊断axSpA具有较高价值.