MRI影像组学在预测子宫内膜癌风险因素中的价值

目的 分析术前MRI与子宫内膜癌患者风险因素高度相关的影像组学特征并建立风险分类模型.方法 选取159例经病理证实的子宫内膜癌患者并分为训练集和测试集.分别在T2WI图像、扩散加权成像(DWI)图像、动态对比增强图像和表观扩散系数(ADC)图上提取与高危病理类型、肌层浸润深度(DMI)、宫颈间质浸润(CSI)、淋巴血管间质浸润(LVSI)和淋巴结转移(LNM)的高度相关特征.采用L1正则化逻辑回归方法进行特征选择,使用多种机器学习算法进行建模并择优筛选影像组学特征进行整合建模.采用受试者工作特征(ROC)曲线对模型进行评估.结果 训练集中影像组学特征鉴别DMI、CSI、LVSI、LNM和高危病理类型的曲线下面积(AUC)分别为0.89、0.92、0.79、0.96、0.95;测试集中影像组学特征鉴别DMI、CSI、LVSI、LNM和高危病理类型的AUC分别为0.89、0.84、0.73、0.97、0.82.整合模型预测风险类型的AUC为0.91[95％置信区间(CI)0.87～0.96].结论 由风险因素DMI、CSI、LVSI、LNM和高危病理类型组成的影像组学模型对于术前判断子宫内膜癌风险类型具有良好的预测效能.