基于MRI的机器学习模型预测中低位直肠癌新辅助放化疗疗效的价值
赵凤姝1
张芮2
秦佳明3
刘天琦4
董文瑾4
陈梦馨4
马翔云5
王文红4
1.天津医科大学人民医院临床学院,天津 300121;天津市人民医院影像科2.天津市人民医院影像科;南开大学医学院3.南开大学医学院4.天津市人民医院影像科5.天津大学精密仪器与光电子工程学院
摘要：目的 采用一种无创评价中低位直肠癌病人新辅助放化疗(nCRT)疗效的方法,为病人选择适宜的治疗方案提供新思路.方法 回顾性收集术前行nCRT且经直肠癌根治术后病理证实为中低位直肠癌的病人212例,根据病理结果分为病理完全缓解(pCR)组30例,病理非完全缓解(npCR)组182例.按照8∶2的比例将所有病人随机分为训练集(170例,包括pCR 25例,npCR 145例)和验证集(42例,包括pCR 5例,npCR 37例).采用Boruta算法对训练集中的临床指标进行筛选,并将筛选出的指标联合影像学指标[肿瘤分期、肿瘤累及长度、环周切缘(CRM)、壁外血管侵犯(EMVI)和磁共振肿瘤退缩分级(mrTRG)]构建逻辑回归(LR)、朴素贝叶斯(NB)、神经网络(NN)3种监督学习分类预测模型,以预测中低位直肠癌nCRT疗效,并使用验证集数据评估模型的预测效能.阅片者间一致性采用组内相关系数(ICC)和Kappa系数进行评估.采用受试者操作特征(ROC)曲线及曲线下面积(AUC)值、准确度、敏感度、特异度评估模型效能.结果 2名医师分析影像指标的一致性极强(ICC＞0.9,均κ＞0.8).3种机器学习模型中,NN模型的预测效能最高(训练集:AUC为0.931,准确度为0.900,敏感度为0.890,特异度为0.875;验证集:AUC为0.687,准确度为0.855,敏感度为0.866,特异度为0.723).结论 通过指标筛选构建机器学习模型可以有效预测中低位直肠癌术前nCRT疗效.多指标联合可以提升mrTRG对术前预测nCRT疗效的准确性.
关键词：直肠癌新辅助放化疗磁共振成像肿瘤退缩分级机器学习
分类号：R735.3(消化系肿瘤)R445.2(诊断学)
资助基金：天津市卫生健康行业国家智能社会治理实验特色基地揭榜挂帅科研项目(TJHIA-2023-015)天津市科委科学技术普及项目(23KPHDRC00260)
论文发表日期：2025-09-15
在线出版日期：2025-10-13（本平台首次上网日期，不代表文献的发表时间）
页数：7( 541-547 )
英文信息