不同机器学习方法构建MRI影像组学联合临床指标预测肝细胞癌患者射频消融术后早期复发模型与评估

作     者：李文华 唐静 王楠钧 李雪萍 王肖 李天然 Li Wenhua;Tang Jing;Wang Nanjun;Li Xueping;Wang Xiao;Li Tianran

作者机构：中国人民解放军总医院第四医学中心放射诊断科北京100048 中国人民解放军总医院第一医学中心消化内科医学部北京100853 中国人民解放军总医院第一医学中心放射诊断科北京100853 

出 版 物：《中华肝胆外科杂志》 (Chinese Journal of Hepatobiliary Surgery)

年 卷 期：2024年第30卷第5期

页      面：347-353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）] 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：解放军总医院青年自主创新科学基金(22QNFC144) 

主　　题：癌,肝细胞 射频消融术 复发 磁共振成像 影像组学 

摘      要：目的利用不同机器学习方法构建多模态MRI影像组学联合临床指标预测肝细胞癌患者射频消融术后早期复发的模型,并评估模型预测能力。方法回顾性分析2015年1月至2021年12月中国人民解放军总医院第四医学中心和中国人民解放军总医院第一医学中心行射频消融治疗的肝细胞癌患者资料。共入组169例肝细胞癌患者,其中男性152例,女性17例,年龄(57.2±9.2)岁。按照8∶2随机分为训练集(n=135)与测试集(n=34)。训练集中复发49例,测试集中复发12例。基于训练集单因素和多因素logistic回归分析肝细胞癌患者射频消融术后早期复发的临床影响因素,应用方差阈值法、select K-best和LASSO回归依次筛选影像组学特征。采用支持向量机、logistic回归、随机森林三种机器学习分类器分别构建单纯影像组学或联合临床特征的术后早期复发预测模型,受试者工作特征(ROC)曲线评估模型的预测能力。结果多因素logistic回归分析显示,术前甲胎蛋白20μg/L、血小板计数140×109以及肿瘤位置特殊是肝细胞癌患者射频消融术后早期复发的影响因素(均P0.05)。经方差阈值分析、select K-best、LASSO回归筛选出16个最优影像组学特征。采用支持向量机、logistic回归、随机森林分类器构建单纯影像组学预测肝细胞癌患者射频消融术后早期复发模型,测试集中预测肝细胞癌射频消融术后早期复发的ROC曲线下面积分别为0.826、0.830、0.826;构建的影像组学联合临床特征模型,测试集的ROC曲线下面积分别为0.830、0.830、0.909。测试集中,随机森林的ROC曲线下面积大于支持向量机和logistic回归(Z=2.19、3.98,P=0.008、0.008)。结论支持向量机、logisitic回归、随机森林三种学习方法基于临床指标及影像组学特征构建的联合模型预测肝细胞癌患者射频消融术后早期复发效能良好,其中,随机森林构建的模型最优。