分类与回归决策树术前辅助盆腔MRI鉴别Ⅰ型子宫内膜癌与Ⅱ型子宫内膜癌

目的 利用分类和回归树算法(CART)建立和验证决策树模型，探索以术前盆腔MRI鉴别Ⅱ型子宫内膜癌(Ⅱ型EC)和Ⅰ型子宫内膜癌(Ⅰ型EC)的价值。方法 388例子宫内膜癌患者，其中Ⅱ型EC组71例，Ⅰ型EC组317例。用子宫内膜癌的MRI形态学、功能学特征(肿瘤大小、形态、浸润深度、宫旁侵犯、淋巴结肿大、rADC、ADC_min值等)和临床因素(年龄、CA125、CA199、P53)构建CART决策树并进行评估和验证，并抽样250例(64.4%)患者作为训练集，138例(35.6%)患者作为验证集。结果 训练集共250例中Ⅱ型EC组40例，Ⅰ型EC组210例；验证集共138例中Ⅱ型EC组31例，Ⅰ型EC组107例。经CART决策树筛选出4个有诊断意义的指标：rADC值，ADC_min值，病灶矢状位短径和盆腔及腹膜后淋巴结肿大。本决策树在训练集的曲线下面积为0.94,敏感度73%,特异度97%,准确率93%;验证集曲线下面积为0.89,敏感度71%,特异度96%,准确率90%。结论 基于MRI影像学特征构建的CART决策树模型为临床术前鉴别Ⅰ型子宫...