基于MRI的机器学习模型预测PI-RADS 3病变的良恶性及侵袭性
李天平1
骆训容2
罗明芳2
张涵2
谢海柱3
王培源4
1.滨州医学院烟台附属医院影像科,烟台 264100;滨州医学院医学影像学院2.滨州医学院医学影像学院3.烟台毓璜顶医院影像科4.滨州医学院烟台附属医院影像科,烟台 264100
摘要：目的 构建基于MRI影像组学特征的机器学习模型,以预测PI-RADS 3前列腺病变的良恶性及侵袭性.方法 回顾性分析296例PI-RADS 3前列腺病变病人的MRI影像资料.其中,PCa病人141例,非PCa病人155例.并将病人以7:3的比例随机划分为训练集和独立验证集.由2名医师使用3D Slicer软件在T2WI、DWI、DCE-T1WI上手动勾画病变,并分别提取影像组学特征.采用组内相关系数(ICC)评估2名医师病变勾画的稳定性.采用t检验和最小绝对值收敛和选择算子(LASSO)算法进行特征筛选.使用支持向量机(SVM)算法分别构建前列腺病变良恶性预测模型及PCa侵袭性预测模型.采用Mann-Whitney U检验比较2组间前列腺特异性抗原(PSA)水平.采用受试者操作特征(ROC)曲线下面积(AUC)、准确度、敏感度和特异度评估模型的预测效能.结果 141例PCa病人的PSA水平高于非PCa病人(P<0.05).141例PCa病人中,临床有意义PCa(csPCa)100例,临床无意义PCa(ciPCa)41例.csPCa病人的PSA水平也高于ciPCa病人(P<0.05).共分析296个病灶,每个病灶均提取2553个影像组学特征.2名医师对病变勾画均具有良好的一致性(ICC:组间0.81,组内0.84).在前列腺病变的良恶性预测中,训练集207个病灶,验证集89个病灶,最终筛选出14个特征(9个DWI、3个T2WI、2个DCE特征),构建的预测模型在训练集中的AUC、准确度、敏感度和特异度分别为0.93(95％CI:0.91～0.95)、0.82、0.78、0.85,在独立验证集中分别为0.89(95％CI:0.86～0.92)、0.81、0.86、0.77;在PCa的侵袭性预测中,训练集98个病灶,验证集43个病灶,最终筛选出12个特征(5个DWI,4个T2WI,3个DCE特征),构建的预测模型在训练集中的AUC、准确度、敏感度和特异度分别为0.92(95％CI:0.89～0.94)、0.85、0.87、0.84,在独立验证集中分别为0.85(95％CI:0.81～0.89)0.72、0.73、0.70.结论 基于MRI影像组学特征的机器学习模型能有效预测PI-RADS 3前列腺病变的良恶性及侵袭性.
关键词：机器学习影像组学前列腺癌磁共振成像
分类号：R737.25(泌尿生殖器肿瘤)R445.2(诊断学)
论文发表日期：2021-11-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 638-643 )
英文信息