MRI影像特征结合机器学习算法无创预测弥漫性较低级别胶质瘤1p/19q缺失状态
姚巧丽1
梁知遇2
邓刊3
朱柳红1
刘豪1
许乙凯2
1.复旦大学附属中山医院(厦门)放射科 福建 厦门 3610152.南方医科大学南方医院医学影像中心 广东 广州 5105153.飞利浦医疗保健事业部 中国 香港 999077
摘要：目的 探讨基于MRI表现特征结合机器学习算法在预测弥漫性较低级别胶质瘤(1p/19q)缺失状态的价值.方法 选取经手术病理证实为Ⅱ～Ⅲ级胶质瘤 79 例[异柠檬酸脱氢酶(IDH)突变伴 1p/19q共缺失组 39 例,IDH突变伴1p/19q非共缺失组 40 例)],所有患者术前均行常规头颅MRI平扫及增强(T1WI、T2WI、SWI、FLAIR、DWI、CE-T1WI),由未知病理结果的神经影像医师提取影像特征:钙化或出血、T2-FLAIR错配征、瘤周水肿、强化程度、T2 异质性、皮质受累、边界规则、中线偏倚.利用卡方检验或Fisher精确检验评估两组胶质瘤影像学特征的统计学差异,并构建逻辑回归模型;另外,利用所提取的MRI特征构建出机器学习模型,使用受试者工作特征曲线(ROC)分析其预测 1p/19q缺失状态的诊断效能.结果 钙化或出血、T2-FLAIR错配征、T2 异质性三个影像特征在不同 1p/19q缺失状态中比较,差异有统计学意义(P<0.05),联合以上三个影像特征的逻辑回归模型的曲线下面积(AUC)可达 0.859;另外,利用MRI特征所构建的机器学习模型鲁棒性较佳,测试集AUC可高达 0.910.结论 术前MRI表现特征结合机器学习算法可用于无创的预测弥漫性较低级别胶质瘤 1p/19q缺失状态.
关键词：胶质瘤磁共振成像机器学习染色体部分缺失
分类号：R739.4(神经系肿瘤)R445.2(诊断学)
资助基金：福建省自然科学基金项目(2022J011425)
论文发表日期：2024-02-28
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：5( 1-5 )
英文信息