来源：期刊VIP网 时间：
作者：孙立婷;尚佳楠;张清华;
单位：新疆医科大学附属肿瘤医院妇科;新疆医科大学第二附属医院妇产科;
摘要：目的 基于MRI影像组学特征构建局部晚期宫颈癌(locally advanced cervical cancer, LACC)患者同步放化疗(concurrent chemoradiotherapy, CCRT)预后的机器学习模型，并对其预测性能进行分析。材料与方法 回顾性收集2019年2月至2020年2月新疆医科大学附属肿瘤医院收治的424例LACC患者病例作为研究对象，以4∶1比例随机分为建模组(n=339)和内部验证组(n=85)，另收集同期新疆医科大学第二附属医院收治的120例LACC患者病例作为外部验证组。收集临床资料及动态对比增强T1WI、快速自旋回波T2WI、弥散加权成像序列MRI图像，在病灶区域勾画感兴趣区，采用PyRadiomics获取影像组学特征，最小绝对收缩和选择算法(least absolute shrinkage and selection operator, LASSO)再行影像组学特征降维筛选，基于筛出的影像组学特征构建影像组学模型，计算影像组学评分(radiomic score, Rads)。基于患者临床资料及Rads进行Cox单因素和多因素分析，构建LACC患者CCRT预后列线图预测模型，并对模型预测性能进行验证。结果 LASSO算法筛选出13个MRI影像组学特征。单因素和多因素分析结果显示，体外放疗剂量[风险比(hazard ratio, HR)=1.275, 95%置信区间(confidence interval, CI):1.186～1.371]、2 Gy分次放射等效剂量(HR=1.092,95%CI:1.050～1.137)为LACC患者CCRT预后死亡的独立危险因素，血红蛋白(HR=0.962,95%CI:0.940～0.985)、Rads(HR=0.949,95%CI:0.933～0.965)为保护因素(P<0.05)。模型验证结果显示，内部验证和外部验证曲线下面积分别为0.978(95%CI:0.965～1.000)和0.971(95%CI:0.958～0.996)，模型拟合优度Hosmer-Lemeshow检验χ~2值分别为8.580(P=0.379)和8.691(P=0.370)。结论 基于MRI影像组学构建的列线图预测模型对LACC患者CCRT预后有较好的预测性能和临床效用性，可为LACC患者CCRT治疗方案的制订与调整提供参考。
关键词：宫颈肿瘤;;放化疗;;磁共振成像;;机器学习;;预测模型
基金资助：省部共建中亚高发病成因与防治国家重点实验室开放课题项目(编号：SKL-HIDCA-2022-GJ4)~~
