来源：期刊VIP网 时间：
作者：王文豪;李玉博;刘新爱;李倩;杨春;岳征;
单位：河南中医药大学;河南省中医院(河南中医药大学第二附属医院)磁共振科;复旦大学附属中山医院磁共振科;
摘要：目的 开发并验证基于单中心MRI资料、融合影像组学与临床-影像学特征的多分类模型，用于原发性肝癌主要病理亚型的术前无创鉴别。资料与方法 回顾性纳入河南省中医院2018年1月—2024年12月经病理确诊的215例原发性肝癌患者，按7∶3分为训练集150例与验证集65例。采用两阶段建模策略：先基于随机森林与支持向量机构建临床-影像学模型、影像组学模型和联合模型，随后采用递归特征消除（RFE）对最优模型进行特征优化构建RFE-联合模型。模型训练采用五折交叉验证，以受试者工作特征曲线下面积（AUC）和准确度为主要指标评估模型性能。结果 初始模型中，基于随机森林的联合模型在验证集表现最佳，准确度为81.5%，微平均和宏平均AUC分别为0.920(95%CI 0.852～0.973)和0.921(95%CI 0.857～0.973)。经RFE优化后，基于随机森林的RFE-联合模型性能进一步提升，验证集准确度提高至86.2%，微平均与宏平均AUC分别达到0.904(95%CI 0.827～0.966)和0.905(95%CI 0.836～0.967)。结论 基于随机森林算法的RFE-联合多分类模型可以提高原发性肝癌主要病理亚型的术前鉴别效能，有望为制订个体化精准治疗策略提供参考依据。
关键词：原发性肝癌;;磁共振成像;;机器学习;;影像组学;;多分类;;诊断,鉴别
基金资助：河南省高等学校重点科研项目（21B320002）
