磁共振影像组学对直肠癌新辅助治疗后病理完全反应的评估价值

作     者：朱洁 沈浮 袁渊 王敏杰 白辰光 王颢 邵成伟 ZHU Jie;SHEN Fu;YUAN Yuan

作者机构：上海长海医院影像医学科上海200433 上海长海医院病理科上海200433 上海长海医院肛肠外科上海200433 

出 版 物：《放射学实践》 (Radiologic Practice)

年 卷 期：2022年第37卷第4期

页      面：426-431页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1002[医学-临床医学] 08[工学] 100214[医学-肿瘤学] 10[医学] 

主　　题：直肠癌 新辅助治疗 影像组学 磁共振成像 机器学习 

摘      要：目的:探讨基于MR T_(2)WI的影像组学方法对直肠癌接受新辅助治疗(nCRT)后病理完全反应(pCR)状态的评估价值。方法:回顾性分析2019年1月-2020年12月在我院接受新辅助放化疗(nCRT)后行手术切除的99例局部进展期直肠癌(locally-advanced rectal cancer,LARC)患者的病例资料。根据术后病理检查结果,分为pCR组(22例)及非pCR组(77例)。在高分辨率T_(2)WI上勾画病灶的容积感兴趣区(volume of interest,VOI)并提取其组学特征,采用最小绝对收缩和选择算子(LASSO)算法进行特征降维,筛选出与pCR相关的最佳组学特征。将所有病例按照7∶3的比例随机分为两组:训练集(68例)和测试集(31例),建立支持向量机(support vector machine,SVM)机器学习模型,绘制其ROC曲线,并计算曲线下面积(AUC)、敏感度和特异度。结果:共提取1409个组学特征,经降维后得到11个最有价值的组学特征。建立的SVM机器学习模型在测试集中预测pCR的AUC为0.798(95%CI:0.615~0.920),符合率为83.87%,敏感度为85.71%,特异度为83.33%。结论:基于高分辨T_(2)WI的影像组学特征有助于预测nCRT后直肠癌pCR状态,可指导临床决策。