临床放射学杂志

作者：刘晓艳, 冯颖, 张小峰

单位：225500 泰州,泰州市第二人民医院放射科

关键词：乳腺癌,磁共振成像,生境成像,肿瘤浸润淋巴细胞

<b>目的</b> 基于MRI生境成像建立乳腺癌患者的肿瘤浸润淋巴细胞（TIL）水平的可解释性机器学习预测模型。<b>方法</b> 回顾性搜集2021年1月至2024年12月在泰州市第二人民医院行增强MRI检查的乳腺癌患者的MRI增强T₁序列的第2期图像。对图像进行预处理后,手动分割感兴趣区（ROI）。提取19个局部影像组学特征,并使用K-means算法结合卡林斯基-哈拉巴兹（CH）指数聚类得到生境亚区域。分别提取亚区域及全肿瘤区域影像组学特征,使用多层感知机（MLP）构建生境预测模型及全肿瘤预测模型。汇总两个模型的诊断效能并绘制受试者工作特征（ROC）曲线。使用<em>DeLong</em>检验比较两者的ROC曲线下面积（AUC）值差异,使用决策曲线分析（DCA）比较两者的临床应用价值。使用SHAP算法对生境预测模型进行全局和个体水平的解释。<b>结果</b> 最终纳入198例患者,其中TIL低表达119例,TIL高表达79例。每个全肿瘤ROI被划分为3个生境亚区域。生境预测模型在验证集中的AUC值为0.825（95% CI：0.717-0.934）,优于全肿瘤预测模型的（AUC=0.755,95% CI：0.630~0.880）,且<em>DeLong</em>检验显示差异有统计学意义（<em>P</em>&#x0003C;0.001）。DCA分析进一步证实生境预测模型具有更高的临床价值。SHAP算法可直观展示生境预测模型预测乳腺癌患者的TIL水平的过程。<b>结论</b> 基于MRI生境成像的可解释性机器学习模型能够全面、无创、可重复地预测乳腺癌患者的TIL水平,并提供可解释分析,为临床治疗决策和预后评估提供支持。

来源：2025年第9期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第9期