| 宋静，张晓兰，金艳霞，莫自昊，陈晓琦.基于超声影像组学列线图预测子宫内膜癌微卫星高度不稳定状态的价值[J].放射学实践,2025,(08):1055-1060 |
| 基于超声影像组学列线图预测子宫内膜癌微卫星高度不稳定状态的价值 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.08.016 |
| 中文关键词: 超声 子宫内膜癌 微卫星不稳定状态 影像组学 机器学习 |
| 基金项目: |
|
| 摘要点击次数: 79 |
| 全文下载次数: 76 |
| 中文摘要: |
| 【摘要】目的：探讨超声影像组学列线图在术前预测子宫内膜癌（EC）患者微卫星高度不稳定（MSI-H）状态中的应用价值。方法：回顾性将2016年1月－2024年6月在本院经病理证实为EC且在术前接受阴道超声检查的217例患者纳入本研究。其中，MSI-H型70例，微卫星低度不稳定/ 微卫星稳定（MSI-L/MSS）型147例。采用分层抽样法以7∶3的比例将患者随机分为训练集（152例）和验证集（65例）。对每例患者的超声图像进行病灶分割、特征提取和筛选后，使用逻辑回归（LR）、K近邻（KNN）、支持向量机（SVM）和随机森林（RF）四种机器学习方法构建影像组学模型。采用受试者工作特征（ROC）曲线评估每个模型对于MSI-H状态的诊断效能，选择验证集中曲线下面积（AUC）最大者为最优影像组学模型。采用多因素logistic回归分析对临床特征及常规超声征象进行筛选，以获得与MSI-H状态相关的独立危险因素，并联合最优影像组学评分（Rad-score）建立列线图。结果：经筛选获得了9个与MSI-H状态相关的最佳影像组学特征。在训练集中LR、KNN、SVM和RF模型预测EC患者MSI-H状态的AUC分别为0.758、0.831、0.875和0.804，在验证集中分别为0.715、0.782、0.848和0.767，其中以SVM的AUC最大。在临床和常规超声征象中，绝经、分化程度低和血流分级高是预测EC患者MSI-H状态的独立危险因素。基于这3个危险因素结合SVM 模型的Rad-score建立的列线图在训练集和验证集中预测EC患者 MSI-H状态的AUC分别为0.949和0.906。结论：基于超声影像组学的列线图可在术前较好地预测EC患者的MSI-H状态。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
