临床放射学杂志

作者：王冰, 屈伟, 郑龙, 胡添源, 张占文

单位：710004 西安交通大学第二附属医院核医学科王 冰、屈 伟、郑 龙; 710054 西安市红会医院核医学科胡添源; 510655 广州,中山大学附属第六医院核医学科张占文

关键词：正电子发射断层成像,影像组学,机器学习,结直肠腺癌,病理高危状态

基金：广东省自然科学基金-面上项目基金资助项目(编号:2023A1515011300)

<b>目的</b> 基于氟代脱氧葡萄糖正电子发射断层成像/X线计算机体层成像(¹⁸F-FDG PET/CT)影像组学特征,构建机器学习模型用于术前预测结直肠腺癌患者的病理高危状态[淋巴血管浸润(LVI)、周围神经侵犯(PNI)、病理T4期或低分化],并评估其对患者预后的价值。<b>方法</b> 回顾性分析2011年7月至2021年7月接受术前¹⁸F-FDG PET/CT检查并确诊为Ⅱ~Ⅲ期结直肠腺癌的332例患者,并按照8∶2随机划分为训练集和测试集。分别提取PET和CT图像的影像组学特征,经过最大相关最小冗余(mRMR)、最小绝对收缩与选择算子(LASSO)算法等筛选和降维保留最优特征,并通过Logistic回归(LR)、支持向量机(SVM)、k近邻(KNN)、随机森林(RF)、极端梯度提升(XGBoost)及轻量级梯度提升机(LightGBM)6种机器学习算法分别构建全集及Ⅲ期患者预测模型。绘制受试者工作特征曲线(ROC)及决策曲线分析(DCA),计算曲线下面积(AUC)、准确率、敏感度、特异度用以评价模型性能。<b>结果</b> 在全集患者模型中,LR算法表现最优,训练集AUC为0.755(95%CI:0.696~0.813),准确率为0.714,测试集AUC为0.758(95%CI:0.638~0.879),准确率为0.758。在Ⅲ期患者模型中,RF算法性能最佳,训练集AUC为0.943(95%CI:0.905~0.981),准确率为0.863,测试集AUC为0.885(95%CI:0.742~1.000),准确率为0.828。DCA表明2种最优模型在预测病理高危状态及优化临床决策方面具有优异的应用价值。Kaplan-Meier生存曲线分析显示,病理高危状态显著增加患者复发转移风险,在Ⅲ期患者中尤为显著。<b>结论</b> 基于术前¹⁸F-FDG PET/CT影像组学特征的机器学习模型能够较准确预测结直肠腺癌患者的病理高危状态,尤其在Ⅲ期患者中表现出更优的诊断效能,为术前个体化治疗策略制定和改善患者预后提供了参考依据。

来源：2025年第4期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第4期