基于MRI的放射组学评分和临床病理影像参数预测垂体瘤复发的Nomogram模型研究

目的:本研究拟联合多序列MRI的放射组学评分和临床、病理学等危险因素,构建预测垂体腺瘤术后复发的模型。方法:回顾性分析2012年6月-2017年6月128例确诊为垂体腺瘤(复发58例,未复发70例,随访5～10年)的临床病理和术前MRI资料。对术前图像进行分割并提取特征。经过降维后,最终选取6个与复发相关的组学特征构建linear-SVM、rbf-SVM、KNN、LR、RF和XGBoost机器学习模型及R-score。随后将R-score与病理、影像学变量相结合建立联合Nomogram模型。评价和比较模型的预测性能并通过校准曲线和决策曲线分析其临床价值。结果:在临床病理学及影像学特征中,Ki-67和肿瘤最大直径是垂体腺瘤复发的独立预测因子,linear-SVM是性能最好机器学习模型。相较于单一模型而言,联合Nomogram模型则在训练集(AUC=0.907,95%CI:0.843～0.972)和测试集(AUC=0.883,95%CI:0.769～0.996)中表现出了更好的预测性能。决策曲线也显示联合Nomogram显示出更好的预测性能和临床应用价值。结论:联合Nomogram模型在预...