来源：期刊VIP网 时间：
作者：刘清祥;吴树剑;袁权;范莉芳;翟建;
单位：皖南医学院第一附属医院(弋矶山医院)放射科;皖南医学院医学影像学院;
摘要：目的 探讨基于磁共振扩散峰度成像（diffusion kurtosis imaging, DKI）与体素内不相干运动扩散加权成像（intravoxel incoherent motion diffusion-weighted imaging, IVIM-DWI）联合临床资料构建的可解释性机器学习模型在预测直肠癌脉管侵犯（lymphovascular invasion, LVI）中的应用价值。材料与方法 回顾性纳入91例直肠癌患者，依据病理LVI状态分为LVI阳性（+）组和LVI阴性（-）组。所有患者均接受MRI检查，包含DKI和IVIM-DWI序列。测量影像定量参数，包括平均峰度（mean kurtosis, MK）、平均扩散系数（mean diffusivity, MD）、真扩散系数（true diffusion coefficient, D）、伪扩散系数（pseudo-diffusion coefficient, D~*）、灌注分数（perfusion fraction, f）及表观扩散系数（apparent diffusion coefficient, ADC）。同时收集患者的临床资料、血清肿瘤标志物及病理LVI状态。通过单因素和多因素回归分析筛选独立预测因素，采用逻辑回归（logistic regression, LR）构建联合预测模型。模型性能评估通过受试者工作特征（receiver operating characteristic, ROC）曲线及曲线下面积（area under the curve, AUC），采用五折交叉验证进行内部验证。通过SHapley Additive exPlanations(SHAP)方法可视化特征贡献，并开发基于网页的风险计算器。结果 单因素及多因素回归分析表明，MK、D、f以及癌胚抗原（carcinoembryonic antigen, CEA）是预测直肠癌LVI状态的独立影响因素。基于LR构建的联合模型AUC为0.887，五折交叉验证的平均AUC为0.893。SHAP分析展示了各特征对模型预测的贡献，网页风险计算器实现了单例风险可视化与实时评估。结论 基于DKI和IVIM-DWI定量参数联合临床特征构建的可解释性机器学习模型能够有效预测直肠癌的LVI状态。该模型不仅具有良好的预测性能，而且通过特征贡献透明化和个体化风险评估，增强了临床实用性和可推广性。
关键词：扩散峰度成像;;体素内不相干运动;;直肠癌;;脉管侵犯;;机器学习;;磁共振成像
基金资助：安徽省教育厅省级质量工程项目（编号：2023xjzlts057）;; 皖南医学院校级重点科研项目（编号：WK2023ZZD09皖南医学院校级中青年科研项目（编号：WK2023ZQNZ53）~~
