来源：期刊VIP网 时间：
作者：李欢;崔灿;刘蓉;顾燕;赵瑞驿;曾亮;
单位：南京中医药大学附属医院放射科;
摘要：目的 探讨基于多序列MRI影像组学模型在鉴别肺腺癌与肺炎性占位中的价值。材料与方法 回顾性收集经病理证实的肺腺癌以及肺炎性占位患者136例，收集其临床及MRI影像资料进行分析。所有患者按7∶3的比例随机分配至训练集（n=96）与测试集（n=40）。通过单因素、多因素逻辑回归分析，筛选肺腺癌与肺炎性占位患者临床及MRI特征中有鉴别意义（P<0.05）的指标。分别在T1加权成像（T1-weighted imaging, T1WI）、T2加权成像（T2-weighted imaging, T2WI）、表观扩散系数（apparent diffusion coefficient, ADC）及动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI）四个序列图像上进行肿瘤感兴趣区（region of interest, ROI）的勾画，再利用Pyradiomics提取影像组学特征，基于Spearman相关系数去除高度相关冗余特征。随后采用十折交叉验证和最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）对剩余特征进行筛选，基于逻辑回归算法（logistic regression, LR）构建单序列和多序列组合的影像组学模型。采用受试者工作特征（receiver operating characteristic, ROC）曲线及曲线下面积（area under the curve, AUC）评估模型效能，选择最佳影像组学模型。基于临床、MRI特征联合最优影像组学模型分别构建临床模型、临床-影像模型及临床-影像-影像组学联合模型，并建立可视化列线图（nomogram）。采用DeLong检验比较AUC差异，决策曲线分析（decision curve analysis, DCA）评估模型的临床应用价值。结果 年龄、吸烟史、平直征、ADC值和时间-信号强度曲线（time-intensity curve,TIC）是肺腺癌的独立预测因子（P<0.05）。影像组学模型中，多序列MRI(T1WI+T2WI+ADC+DCE-MRI)模型获得了最佳诊断效能，其训练集和测试集的AUC分别为0.888、0.738。进一步整合临床、MRI特征，分析显示联合模型具有更高的预测性能（P<0.05），在训练集和测试集的AUC分别达到0.924、0.853。结论 基于临床、MRI特征与多序列MRI影像组学的联合模型在鉴别肺腺癌与肺炎性占位方面具有良好的诊断效能。
关键词：肺腺癌;;肺炎性占位;;磁共振成像;;影像组学;;列线图
基金资助：2025年度江苏省中医药科技发展计划重点项目（编号：ZD202505）;; 江苏省中医院2022年度科主任提升专项课题（编号：Y2022ZR21）~~
