基于影像组学术前无创性预测脑胶质瘤PD-1基因表达水平
李一鸣
李冠璋
张伟
钱增辉
100070 首都医科大学附属北京天坛医院神经外科
摘要：目的 通过使用术前MRI提取的影像组学特征建立机器学习模型预测脑胶质瘤患者关键免疫检查点程序性死亡受体1(PD-1)基因的表达水平.方法 于2024年1-8月回顾性收集133例来自TCGA数据库的患者,并使用R软件中的随机抽样"sample函数"以2∶1比例将患者随机分为训练组(89例)和验证组(44例).通过LASSO算法进行特征筛选和预测模型的构建.通过受试者工作特征(ROC)曲线在训练组和验证组中评估预测模型的预测效率.通过决策曲线分析评估预测模型的临床适用性.结果 基于LASSO算法筛选出6个影像组学特征,并构建了预测模型.在训练组和验证组中进行ROC曲线分析,一致性指数(C-index)分别为0.815和0.728,预测准确度分别为80.9%和72.7%.结论 脑胶质瘤患者关键免疫检查点PD-1的表达水平可以通过术前MRI数据和影像组学技术进行预测.
关键词：脑胶质瘤核磁共振影像影像组学免疫治疗PD-1
论文发表日期：2025-11-20
在线出版日期：2025-11-28（本平台首次上网日期，不代表文献的发表时间）
页数：7( 791-797 )
英文信息