基于多参数MRI的瘤内并瘤周区域Delta影像组学特征构建的可解释性机器学习模型对乳腺癌新辅助治疗效果的预测效能OA
目的构建基于多参数磁共振成像(MRI)的瘤内联合瘤周区域Delta影像组学的可解释性机器学习模型,并且评价其对乳腺癌患者新辅助治疗(NAT)后病理完全缓解(pCR)情况的预测效能。方法选取2018年10月—2023年10月于青岛大学附属医院和2020年12月—2023年12月于烟台毓璜顶医院接受NAT后行手术切除的254例乳腺癌患者。其中,来自青岛大学附属医院的患者共183例,随机分为训练集128例和内部验证集55例;来自烟台毓璜顶医院的患者共71例,作为外部验证集。收集上述所有患者的年龄、绝经状态、腋窝淋巴结转移情况、雌激素受体(ER)表达情况、孕激素受体(PR)表达情况及Ki-67表达情况等临床病理特征资料。收集所有患者在接受NAT前和2个NAT周期后的多参数MRI图像资料,分别勾画瘤内感兴趣区域(ROI),并在其基础上等距向外扩展3、5及7 mm,获得不同瘤周区域ROI。使用Pyradiomics包分别提取上述ROI的影像组学特征,并计算出相应Delta影像组学特征值。使用极端随机树算法构建Delta_(瘤内)、Delta_(瘤内+3 mm瘤周)、Delta_(瘤内+5 mm瘤周)和Delta_(瘤内+7 mm瘤周)4种Delta影像组学模型。采用受试者工作特征(ROC)曲线分析各模型的预测效能,采用决策曲线分析(DCA)评估各模型的临床适用性,采用校准曲线及Hosmer-Lemeshow拟合优度检验评估各模型的校准度。采用沙普利可加性解释(SHAP)算法对最佳预测模型进行可解释性分析。结果训练集、内部验证集及外部验证集患者间的年龄、绝经状态、腋窝淋巴结转移情况以及ER、PR和Ki-67表达情况均无显著差异(P>0.05)。ROC曲线和DCA结果显示,与其他3种模型相比,外部验证集中Delta_(瘤内+7 mm瘤周)模型的AUC和临床净收益均最高。校准曲线分析结果显示,与其他3种模型相比,外部验证集中Delta_(瘤内+7 mm瘤周)模型的Brier评分最低。Hosmer-Lemeshow检验结果显示,在外部验证集中,Delta_(瘤内+7 mm瘤周)模型的P值为0.074,校准度良好。基于SHAP算法对Delta_(瘤内+7 mm瘤周)模型的可解释性分析结果显示,表观扩散系数(ADC)图像和增强MRI中提取的形态学特征中扁平度与球形度对Delta_(瘤内+7 mm瘤周)模型结果输出的影响性较大。结论基于瘤内联合瘤周区域的Delta影像组学特征建立的可解释性机器学习模型对乳腺癌患者NAT后pCR的预测效能优于单纯瘤内模型,其中瘤内联合7 mm瘤周区域的Delta模型的预测效能及临床适用性最佳。
林昕;付敏;明晓妮;何因心;孟欣然;陈静静
青岛大学附属医院放射科,山东青岛266003 青岛大学青岛医学院青岛大学附属医院放射科,山东青岛266003 青岛大学青岛医学院青岛大学附属医院放射科,山东青岛266003 青岛大学青岛医学院青岛大学附属医院放射科,山东青岛266003 青岛大学青岛医学院青岛大学附属医院放射科,山东青岛266003 青岛大学青岛医学院青岛大学附属医院放射科,山东青岛266003
医药卫生
乳腺肿瘤肿瘤辅助疗法磁共振成像影像组学病理完全缓解精准医学
《精准医学杂志》 2026 (5)
P.459-465,7
国家自然科学基金项目(82072004)。
评论