基于多序列MRI影像组学模型预测脑膜瘤组织学分型的价值

作     者：孔春雨 莫展豪 程斯文 隋赫 宛迎春 吴帅 范晓飞 吕忠文 KONG Chunyu;MO Zhanhao;CHENG Siwen;SUI He;WAN Yingchun;WU Shuai;FAN Xiaofei;LV Zhongwen

作者机构：吉林大学中日联谊医院放射线科吉林长春130033 吉林大学中日联谊医院超声科吉林长春130033 吉林大学中日联谊医院内分泌科吉林长春130033 

出 版 物：《中国实验诊断学》 (Chinese Journal of Laboratory Diagnosis)

年 卷 期：2024年第28卷第3期

页      面：278-286页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100214[医学-肿瘤学] 10[医学] 

基　　金：吉林省卫生健康科技能力提升项目(2021JC022) 

主　　题：脑膜瘤 影像组学 组织学分型 磁共振成像 

摘      要：目的探究基于常规多序列MRI的影像组学模型在术前预测纤维型和非纤维型脑膜瘤的价值,以助于临床术前准备及预后评估。方法回顾性分析了自2013年3月至2022年12月经手术后病理证实的共317例脑膜瘤患者的临床及多序列MRI(包括T1WI、T2WI、T2WIFLAIR、T1WI增强)资料。手动勾画获得脑膜瘤强化区作为感兴趣区域(EnHROI),并分别将勾画区域向外周各自膨胀3 mm、5 mm得到EnH3mmROI、EnH5mmROI,对每个MRI序列的三种ROI分别提取影像特征,分别采用5折交叉验证法和留一法交叉验证(LOOCV)分别进行特征筛选、模型验证及比较。使用相关系数法和最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征选择,随后使用支持向量机的机器学习算法(AVM)构建模型,最后评估不同预测模型的效能。结果利用受试者工作特征曲线(receiver-operating characteristic curve,ROC)评估预测脑膜瘤分型的影像组学模型中,基于EnH3mmROI的预测模型均优于基于EnHROI的模型及EnH5mmROI的模型。基于EnHROI模型AUC值为0.801、准确率为0.842;基于EnH3mmROI模型AUC值为0.858、准确率为0.842;基于EnH5mmROI模型AUC值为0.841、准确率为0.868。结论(1)基于EnH3mmROI所建立的影像组学预测模型效能明显优于基于EnHROI及EnH5mmROI所建立的预测模型。(2)基于常规多序列MRI图像建立的术前预测脑膜瘤组织学分型的影像组学模型具有一定的临床价值,有助于临床判断预后以及为治疗计划提供依据。