我们的服务符合学术规范和道德
专业 高端让您使用时没有后顾之忧

磁共振成像2026年第01期:基于DCE-MRI生境影像组学可解释性机器学习模型预测直肠癌淋巴结转移的研究

来源:期刊VIP网 时间:


作者:孙赟;李飞翔;陈学敏;张颖颖;黄刚;

单位:甘肃中医药大学第一临床医学院;甘肃省人民医院放射科;

摘要:目的 基于动态对比增强MRI(dynamic contrast-enhanced MRI, DCE-MRI)生境影像组学和临床特征构建可解释的联合模型,探讨模型预测直肠癌淋巴结转移(lymph node metastasis, LNM)状态的应用价值。材料与方法 回顾性分析2016年1月至2024年7月甘肃省人民医院收治的148例直肠癌患者的临床-病理-影像学资料,根据术后病理确诊的LNM状态将患者分为有LNM组(61例)和无LNM组(87例)。按7∶3比例随机分为训练集103例和测试集45例。用ITK-SNAP软件勾画感兴趣区,基于K~(trans)图提取19项标准化影像组学特征,通过K-means聚类划分肿瘤生境亚区(K=4),分别提取各个肿瘤亚区的影像组学特征和全肿瘤影像组学特征,合并各亚区特征形成一个综合的生境影像组学特征集。采用组内相关系数(intra-class correlation coefficient, ICC)评估肿瘤整体影像组学特征的可重复性。使用Z-score标准化、相关性分析和最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)进行特征筛选,利用极端随机树、逻辑回归、随机森林及支持向量机构建生境及全肿瘤影像组学预测模型。采用logistic回归筛选临床独立预测因子,建立临床模型。最后,联合临床特征(癌胚抗原和MRI检查报告的N分期)和生境影像组学评分构建联合模型。绘制受试者工作特征(receiver operating characteristic, ROC)曲线,以曲线下面积(area under the curve, AUC)评估模型效能,决策曲线评估临床实用性。通过沙普利可加性模型解释算法(Shapley additive explanations, SHAP)分析描述特征重要程度并可视化解释联合模型预测结果。结果 单因素分析发现,癌胚抗原和MRI检查报告的N分期是影响训练集直肠癌患者淋巴结状态的影响因素,比值比分别为2.346[95%置信区间(confidence interval, CI):1.052~5.233]和7.727(95%CI:2.273~26.268),P<0.05。基于生境影像组学特征的预测模型(训练集:0.890,测试集:0.801)预测直肠癌LNM状态的AUC优于全肿瘤影像组学预测模型(训练集:0.774,测试集:0.684),联合临床-生境影像组学联合模型的AUC值最高(训练集:0.896,测试集:0.866)。决策曲线显示联合模型显示出更高的临床净收益。联合预测模型SHAP算法可以为模型提供了定量的解释,生境影像组学评分为模型最重要的特征。结论 基于术前DCE-MRI生境影像组学特征和临床因素构建的可解释联合模型能够准确预测直肠癌患者的淋巴结状态,并通过SHAP可视化预测过程,为个性化治疗提供科学依据。

关键词:直肠癌;;淋巴结转移;;磁共振成像;;影像组学;;生境分析

基金资助:甘肃省自然科学基金项目(编号:24JRRA1054)~~