临床放射学杂志

作者：赵子毓, 刘原庆, 丁焕芝, 马新星

单位：215006 苏州大学附属第一医院放射科

关键词：胶质瘤,ATRX突变,磁共振成像,深度学习,影像组学

基金：本研究系江苏省科教能力提升工程(江苏省医学重点学科建设项目,项目编号JSDW202242);苏州市影像医学重点实验室项目(编号:SZS2024032)

<b>目的</b> 利用多参数MRI影像数据构建一种多尺度特征联合模型,以非侵入性地预测较低级别胶质瘤(LGG)患者的α地中海贫血/智力低下综合征X染色体连锁基因(ATRX)突变状态。<b>方法</b> 回顾性搜集经病理证实为LGG患者的临床、影像及病理资料。基于多参数MRI,结合影像组学特征和resnet50架构的2.5D深度学习特征,构建LGG患者的ATRX突变状态的预测模型。通过特征筛选、机器学习算法的应用,并结合临床变量,构建临床-影像组学-深度学习的nomogram模型。<b>结果</b> 最终纳入186例患者,其中ATRX阳性135例,ATRX阴性51例。提取了10530个影像组学特征及32个深度学习特征。经过筛选和特征降维,保留了20个影像组学-深度学习特征。在多种机器学习模型中,多层感知机模型表现最佳,其在训练组和验证组的曲线下面积(AUC)分别为0.94和0.90。结合临床变量构建的nomogram模型在训练组中的AUC为0.95,其显著优于单纯的临床模型和影像组学模型。<b>结论</b> 本研究通过多参数MRI提取瘤体及瘤周的影像组学和深度学习特征,构建了预测ATRX状态的模型,表现出优异的诊断效能。其对于低级别胶质瘤的诊断、治疗和预后评估具有重要的价值。本研究也展示了影像组学和深度学习技术在非侵入性地预测肿瘤分子状态中的潜力。

来源：2025年第6期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第6期