摘要
【目的】探讨基于常规MRI的影像组学在术前预测高级别胶质瘤Ki-67表达状态的价值，为临床治疗和预后预测提供依据。 【方法】回顾性收集自2019年7月至2022年3月经病理证实为高级别胶质瘤的患者共计105例，其中Ki-67高水平表达患者54例，Ki-67低水平表达患者51例，按7∶3的比例划分为训练集（73例）和验证集（32例）。统计其基本临床信息，包括性别、年龄，评估其MRI平扫及增强扫描常见影像征象，包括病灶主体位于左右大脑半球、病灶所在部位、形状是否规则、是否多发、瘤周水肿程度、中线结构是否偏移以及是否为瘤周强化。两组间的年龄差异采用独立样本t检验进行比较，性别及影像征象差异采用卡方检验或Fisher确切概率法进行比较。应用基于MATLAB的IBEX软件手动勾画ROI，提取5个特征组，分别为灰度（ID,IntensityDirect）、灰度直方图（IH,IntensityHistogram）、灰度共生矩阵（GLCM,Gray-LevelCooccurenceMatrix）、灰度游程矩阵（GLRLM,Gray-LevelRun-LengthMatrix）、邻域灰度差异矩阵（NIDM,NeighborIntensityDifferenceMatrix）。从T2WI、T2-FLAIR及增强T1WI序列提取共计2208个影像组学特征。先采用组内相关系数（ICC）进行一致性评价，筛选出一致性满意的特征，使用单因素方差分析筛选出差异有统计学意义的参数，然后通过LASSO进行降维，将降维后最终得到的最佳影像组学特征分别纳入决策树（DT）、逻辑回归（LR）、支持向量机（SVM）、自适应增强（Adaboost）学习器中，构建影像组学模型；利用验证集对所建立的4种预测模型进行检验，分别绘制各模型所对应的训练集与验证集的受试者工作特征曲线（ROC）和曲线下面积（AUC）评估其敏感度、特异度和准确率。 【结果】使用单因素方差分析发现，高级别胶质瘤Ki-67高表达组和Ki-67低表达组两组之间的一般临床资料和本次所收集的MRI常规影像征象之间的差异无统计学意义（p＞0.05）；通过LASSO降维后最终筛选出6个最佳影像组学特征。利用筛选出的最佳影像组学特征分别构建DT、SVM、LR、Adaboost模型并分别对其进行效能评估，ROC曲线结果显示LR模型训练集AUC值为0.817，敏感度为76.9%，特异度为74.3%，准确率为75.7%；验证集AUC值为0.713，敏感度为73.3%，特异度为75.0%，准确率为74.2%；DT模型训练集AUC值为0.871，敏感度为71.8%，特异度为85.7%，准确率为78.4%；验证集AUC值为0.731，敏感度为86.7%，特异度为56.3%，准确率为71%；SVM模型训练集AUC值为0.808，敏感度为84.6%，特异度为54.3%，准确率为70.3%；验证集AUC值为0.662，敏感度为53.3%，特异度为68.8%，准确率为61.3%；Adaboost模型训练集AUC值为0.718，敏感度为69.2%，特异度为74.3%，准确率为71.6%；验证集AUC值为0.646，敏感度为66.7%，特异度为62.5%，准确率为64.5%。 【结论】1、基于常规T2WI、T2-FLAIR及增强T1WI的影像组学在术前预测高级别胶质瘤Ki-67表达状态具有一定的价值，有很好的应用前景，为临床治疗和预后预测提供依据。2、就本项研究而言，相对于逻辑回归、自适应增强及支持向量机模型，决策树模型预测效能最佳。
NETL