来源：期刊VIP网 时间：
作者：朱之珺;黄小华;周梦妮;罗靖贤;李妍婷;刘姿延;刘子熠;
单位：川北医学院附属医院放射科;
摘要：目的 基于不同机器学习算法构建MRI影像组学联合临床特征模型预测子宫腺肌病高强度聚焦超声（high intensity focused ultrasound, HIFU）术后疗效的效能比较。材料与方法 回顾性收集2021年9月至2024年5月期间接受HIFU治疗并符合纳排标准的169例子宫腺肌病患者影像学及临床资料。MRI评估术后非灌注体积（non-perfused volume, NPV），以非灌注体积比（non-perfused volume ratio, NPVR;NPVR=NPV/子宫腺肌病病灶体积）=50%为界，将患者分为疗效显效组（NPVR≥50%,n=76）和非显效组（NPVR<50%,n=93），通过3D slicer软件勾画病灶并提取特征，分别使用决策树（decision tree, DT）、高斯过程（Gaussian process, GP）、逻辑回归（logistic regression, LR）、偏最小二乘判别分析（partial least squares discriminant analysis,PLSDA）、二次判别分析（quadratic discriminant analysis, QDA）、随机森林（random forest, RF）、随机梯度下降（stochastic gradient descent, SGD）、支持向量机（support vector machine, SVM）8种机器学习算法建立模型，绘制不同模型的受试者工作特征（receiver operating characteristic, ROC）曲线，计算曲线下面积（area under the curve, AUC）、敏感度、特异度、准确度、精确度和F1值评估模型效能。DeLong检验比较不同模型间差异。结果 基于DT、GP、LR、PLSDA、QDA、RF、SGD、SVM8种机器学习算法的影像组学联合临床特征模型在训练集中的AUC分别为0.865(95%CI:0.806～0.924)、0.713(95%CI:0.619～0.807)、0.666(95%CI:0.567～0.764)、0.669(95%CI:0.571～0.767)、0.649(95%CI:0.550～0.749)、0.796(95%CI:0.717～0.876)、0.425(95%CI:0.341～0.508)、0.666(95%CI:0.568～0.764)，在测试集分别为0.788(95%CI:0.669～0.907)、0.738(95%CI:0.601～0.874)、0.719(95%CI:0.578～0.860)、0.730(95%CI:0.592～0.868)、0.738(95%CI:0.600～0.875)、0.731(95%CI:0.587～0.876)、0.332(95%CI:0.221～0.444)、0.719(95%CI:0.575～0.863)。DT模型在测试集中的AUC值、特异度、精确度、准确度最高，在训练集中的AUC值、F1值最高，SGD、PLSDA模型在训练集与测试集中的表现较差。结论 DT、GP、LR、QDA、RF、SVM 6种机器学习算法构建的MRI影像组学联合临床特征模型对子宫腺肌病HIFU术后疗效均具有较好的预测性能，其中DT模型的预测效能最优，该模型可作为预测子宫腺肌病HIFU术后疗效的首选方法，可辅助临床医生制订更合理的治疗方案和患者管理策略。
关键词：子宫腺肌病;;高强度聚焦超声;;磁共振成像;;影像组学;;机器学习
基金资助：南充市市校合作项目(编号：19SXHZ0429)~~
