基于多参数MRI脑-肿瘤界面影像组学模型预测脑膜瘤侵犯程度的应用研究
程星
王治超
李华宁
王协锋
尤永平
210029 南京医科大学第一附属医院神经外科
摘要：目的 开发并验证一种基于术前多参数MRI的脑-肿瘤界面影像组学脑膜瘤脑侵犯无创性预测模型.方法 纳入2014年9月至2023年4月南京医科大学第一附属医院收治的656例脑膜瘤患者,按照4∶1比例随机分为训练集(524例)和测试集(132例),训练集用于预测模型的构建和优化,测试集用于模型泛化能力的评估.术前均行MRI检查(包括横断面T1WI、增强T1WI和T2WI),图像经预处理和分割后确定脑膜瘤感兴趣区,构建厚度为0.80、1.00和1.20 cm的脑-肿瘤界面.从3个序列感兴趣区中提取影像组学特征,经单一值筛除、稳定性筛选组内相关系数[ICC(2,k)>0.90]后,采用五折交叉验证最小绝对收缩和选择算子算法筛选特征,采用轻量梯度提升机、Logistic回归、多层感知器、随机森林、支持向量机和极端梯度提升算法(XGBoost)共6种机器学习算法构建脑侵犯预测模型,绘制受试者工作特征(ROC)曲线并计算曲线下面积评估模型预测效能,Delong检验比较不同模型的曲线下面积,决策曲线分析评估不同模型在不同阈值概率下的临床净收益.结果 共656例脑膜瘤患者中152例(23.17%)存在脑侵犯,训练集有123例(23.47%)、测试集有29例(21.97%).通过训练集五折交叉验证和测试集评估,比较18 个模型-厚度组合(6种机器学习算法×3种脑-肿瘤界面厚度)的预测效能,1.00 cm脑-肿瘤界面的XGBoost模型表现优异,其训练集的曲线下面积为0.913(95%CI:0.886～0.937,P=0.000),准确度为0.86、灵敏度为0.77、特异度为0.88;测试集的曲线下面积为0.897(95%CI:0.821～0.961,P=0.000),准确度为0.90、灵敏度为0.72、特异度为0.95;Delong检验显示,该模型曲线下面积大于其他所有模型(均P<0.05).决策曲线分析显示,该模型在训练集(决策曲线分析正净收益面积0.087)和测试集(决策曲线分析正净收益面积 0.094)中均表现出最佳的临床净收益.结论 基于 1.00 cm脑-肿瘤界面的XGBoost模型展现出优异的预测效能,为脑膜瘤脑侵犯的术前评估提供一种准确、可靠的无创性预测方法,对术前制定个性化手术方案、评估手术风险和预后具有重要临床意义.
关键词：脑膜瘤肿瘤浸润磁共振成像影像组学(非MeSH词)机器学习ROC曲线
论文发表日期：2025-03-25
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：12( 175-186 )
英文信息