基于胰腺CT的影像组学在预测糖耐量受损人群胰岛素抵抗中的应用价值

作     者：布买丽亚木·买买提艾力 陈杰 Bumailiyamu Maimaitiaili;CHEN Jie

作者机构：新疆维吾尔自治区人民医院放射影像中心新疆乌鲁木齐830001 新疆医科大学研究生院新疆乌鲁木齐830054 

出 版 物：《中国中西医结合影像学杂志》 (Chinese Imaging Journal of Integrated Traditional and Western Medicine)

年 卷 期：2024年第22卷第3期

页      面：250-254,281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] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 100106[医学-放射医学] 10[医学] 100602[医学-中西医结合临床] 

基　　金：新疆维吾尔自治区自然科学基金(2022D01C137) 

主　　题：胰岛素抵抗 影像组学 支持向量机 多层感知机 随机森林 自适应提升算法 体层摄影术,X线计算机 

摘      要：目的:探讨基于CT胰腺平扫影像组学在预测糖耐量受损人群胰岛素抵抗(IR)中的应用价值。方法:回顾性收集首次确诊的糖耐量受损患者381例,依据稳态模型胰岛素抵抗指数(HOMA-IR)中位数,分为高IR组191例,低IR组190例;并按照8∶2的比例,随机分成训练集304例及测试集77例。勾画胰腺ROI,提取影像组学特征,通过降维和筛选后,选择最优特征。构建8种机器学习模型,并选取支持向量机(SVM)、多层感知机(MLP)、随机森林(RF)、自适应提升算法(AdaBoost)4种机器学习方法构建诊断预测模型。采用ROC曲线评价各影像组学模型的预测效能。结果:共提取1834个特征,采用Pearson相关系数分析筛选保留189个特征。通过最小绝对收缩和选择算子(LASSO)算法和5折交叉验证降维至23个主要组学特征。构建的SVM、MLP、RF、AdaBoost 4种预测模型在测试集中的AUC分别为0.723、0.731、0.807、0.681,其中RF模型的预测效果较好。结论:基于CT胰腺平扫影像组学特征构建的RF模型,对糖耐量受损人群的IR水平具有较好的预测效能。