治疗前18F-FDG PET/CT影像组学特征在弥漫大B细胞淋巴瘤预后评估中的增益作用

目的 探讨治疗前¹⁸F-FDG PET/CT影像组学特征对弥漫大B细胞淋巴瘤(DLBCL)患者无进展生存期(PFS)及总生存期(OS)的预后评估。资料与方法 回顾性收集2016年1月—2018年12月解放军总医院第一医学中心经病理证实为DLBCL且治疗前行¹⁸F-FDG PET/CT的135例患者,以8∶2随机分为训练集和测试集,再以8∶2将训练集分为训练集和验证集进行模型构建。半自动勾画患者淋巴瘤病灶作为感兴趣区并提取特征,利用单因素COX及最小绝对收缩选择算子回归进行特征筛选,获得系数非零的影像组学特征并用其权重系数计算每例患者的影像组学得分(Radscore),分析Radscore对PFS和OS的预测价值。使用传统预后指标(代谢参数和临床因素)、Radscore及两者联合分别建立3种模型。通过C-index、时间依赖的受试者工作特征曲线、决策曲线评估各模型预测效能。最后基于最佳模型绘制列线图,利用校准曲线验证列线图效能。结果 联合模型对3、5年PFS及OS预测效能优于传统预后指标模型和Radscore模型(Z=0.962 1～2.253...     

18F-FDG PET/CT代谢参数联合肿瘤标志物对肺腺癌EGFR基因突变的预测价值

 

目的 探讨¹⁸F-FDG正电子发射断层显像计算机断层扫描(positron emission tomography/computed tomography, PET/CT)代谢参数联合肿瘤标志物对肺腺癌EGFR基因突变的预测价值。方法 选取2010-01至2018-08于武警特色医学中心PET/CT检查诊断为原发性肺癌并经组织病理学证实为肺腺癌的患者,提取患者的基本临床资料、PET/CT影像学特征、PET/CT代谢参数、肿瘤标志物水平及EGFR基因突变数据,根据EGFR是否突变将所有患者分为突变型组与野生型组。通过单因素logistic回归分析,将对EGFR基因突变有预测价值的相关参数纳入预测模型,绘制ROC受试者工作曲线,计算其Cutoff值,对比各个模型的AUC值,建立可预测EGFR基因突变的模型,并分析该模型的预测效能。结果 共纳入肺腺癌105例,EGFR突变型32例(30.5%),EGFR野生型73例(69.5%),多因素分析显示两组之间的基本临床资料(性别χ²=5.74,P=0.017)、吸烟(χ²=4.60,P=0.032)、CT影像特征[密度χ²=5.77,P=0.016)、毛刺征χ²=2.06,P=0.015)、肺内转移(χ²=2.91,P=0.088)]、PET/CT代谢参数[SUVmean(t=2.82,P=0.015)]、肿瘤标志物[CEA(t=-2.48,P=0.016)]具有统计学意义(P<0.05),是影响EGFR基因突变的独立影响因素,并以该独立影响因素建立了4种EGFR基因突变预测模型,相应的预测准确度分别为78.1%、81.0%、78.1%和81.9%,4种预测模型均具有预测的统计学意义(P<0.05)。结论 与EGFR基因突变有关的单因素影响因子包括吸烟、性别、SUVmean、密度、毛刺征、肺内转移、CEA,而根据这些影响因子建立的预测模型4将有助于临床分析肺癌患者是否发生EGFR基因的突变,从而指导临床进行靶向药物的个体化治疗。

     

基线PET/CT显像代谢参数联合其他临床病理参数预测进展期肺腺癌EGFR突变

目的本文回顾性分析预测进展期肺腺癌患者EGFR突变状态。方法选取治疗前行PET/CT检查的进展期肺腺癌患者176例。PET/CT代谢参数为:SUV_maxT(原发灶SUV_max)、TLG_T(原发病灶的糖酵解总量)、SUV_maxWBR(依据RECIST₁.1标准选取病灶的最大SUV_max)及TLG_WBR(依据RECIST₁.1标准选取的所有病灶TLG总和)。分析SUV_maxT、SUV_maxWBR、TLG_T、TLG_WBR及其他临床病理因素在单因素及多因素logistic回归预测进展期肺腺癌EGFR突变中的价值。结果显示:TLG_WBR(≥222.6)、血浆CEA及ECOG评分预测是进展期肺腺癌EGFR突变的独立预测因素,TLG_WBR(≥222.6)独立预测EGFR突变的ROC曲线下面积为0.58,联合其他临床病理参数预测EGFR突变的曲线下面积为0.799。结论PET/CT代谢参数TLG_WBR(≥222.6)作为最新的代谢指标,是预测进展期肺腺癌EGFR突变状态独立预测因素,联合其他临床病理参数具有较高预测EGFR突变的价值。     

18F-FDG PET/CT影像组学在预测肺腺癌患者EGFR突变中的价值

目的分析并比较¹⁸F-脱氧葡萄糖(FDG)PET及CT影像组学参数在预测肺腺癌患者表皮生长因子受体(EGFR)表达中的作用。方法回顾性收集2017年1月至12月间于南方医院就诊的114例[男64例,女50例,年龄35~84(平均61)岁]肺腺癌初治患者的治疗前¹⁸F-FDG PET/CT图像及其EGFR表达资料。用LIFEx软件手动逐层勾画感兴趣体积并提取图像参数,通过最小绝对收缩和选择算子(LASSO)方法重复200次进行参数选择,经十倍交叉验证选择模型的最优调和参数λ,再采用logistics逐步回归进一步筛选参数建模。针对3种数据集(PET参数、CT参数、PET+CT参数)构建3种模型,分别记为MPET、MCT、MPET+CT。用受试者工作特征(ROC)曲线分析模型预测EGFR突变的价值,获得曲线下面积(AUC)、灵敏度、特异性、准确性,采用Delong检验比较三者的AUC。结果114例肺腺癌患者中,EGFR野生型61例(53.51%),EGFR突变型53例(46.49%)。最终从PET、CT、PET+CT图像参数中分别筛选出3、3、7个参数构成回归模型MPET、MCT、MPET+CT,三者AUC分别为0.730、0.752、0.866。当三者界值分别取0.427、0.522、0.378时,约登指数最大,分别为0.420、0.405、0.630,灵敏度分别为83.0%(44/53)、58.5%(31/53)、92.5%(49/53),特异性分别为59.0%(36/61)、82.0%(50/61)、70.5%(43/61),准确性分别为70.2%(80/114)、71.1%(81/114)、80.7%(92/114)。MPET与MCT的AUC之间差异无统计学意义(z=-0.320,P>0.05),MPET+CT与MPET、MCT之间AUC差异均有统计学意义(z值:2.963、2.523,均P<0.05)。结论PET、CT、PET+CT影像组学均与肺腺癌EGFR基因表达状态相关,其中MPET+CT预测效能最高。     

基于术前CT影像组学特征预测肺腺癌患者EGFR突变状态的研究

目的 探讨术前CT影像组学特征在预测肺腺癌患者EGFR突变中的价值。方法 回顾性搜集经病理证实为肺腺癌且检测EGFR突变状态的患者共286例,其中,EGFR突变126例,野生型160例。按7∶3的比例随机分为训练集和验证集。从每个患者的感兴趣区内分别提取1468个组学特征,采用Wilcoxon检验、最小绝对收缩和选择算子(LASSO)回归和Logistic回归筛选影像组学特征。在训练集中采用Logistic回归的方法构建预测模型,并在验证集中评估其性能。通过ROC曲线评价模型的预测性能,并计算曲线下面积(AUC)、敏感度、特异度和准确性。DeLong检验用于比较各模型AUC之间的差异。结果 两个临床因素(性别和吸烟史)与EGFR突变独立相关(P<0.05),而年龄、CEA和肿瘤位置在两组之间差异无统计学意义(P>0.05)。9个影像组学特征在两组之间有显著差异(P<0.05)。训练集中,临床模型、组学模型和综合模型的AUC分别为0.692、0.762和0.814,而在验证集中分别为0.712、0.779和0.827。训练集中,综合模型与临床模型、组学模型AUC的差异具...     

CT与PET多模态影像组学在肺癌中的研究进展

CT与¹⁸F-脱氧葡萄糖(FDG)PET/CT已广泛应用于肺癌的诊断、疗效及预后评估和基因型的预测。影像组学高通量地提取病灶的定量图像特征，挖掘病灶的生物学信息，为临床诊断及治疗提供新的依据。目前，大量的研究结果表示PET或者CT影像组学，尤其是多模态的PET/CT影像组学对肺癌的各方面研究均具有重要意义。本文总结近年来CT及¹⁸F-FDG PET/CT影像组学在肺癌诊疗中的研究进展，并简要分析影像组学面临的挑战。     

18F-FDG PET/CT联合肿瘤标志物在乳腺癌并发第二原发肺癌中的诊断及鉴别诊断价值

目的 探讨氟代脱氧葡萄糖(¹⁸F-FDG)PET/CT联合肿瘤标志物在乳腺癌并发第二原发肺癌(SPLC)的诊断及鉴别诊断中的价值。方法 回顾性分析2015年11月至2022年3月于青岛大学附属青岛市中心医院行¹⁸F-FDG PET/CT检查乳腺癌患者664例,选取最终经病理或随访证实为SPLC 61例[肺腺癌(ADC)55例、肺鳞癌(SCC)4例、小细胞肺癌(SCLC)2例]、乳腺癌肺转移(MBC)30例、炎性病灶23例;所有患者均于检查前后两周内行相关肿瘤标志物的检测,并于检查期间未进行任何治疗。SCC及SCLC病例数较少,不做统计学分析。采用χ²检验、Fisher确切概率法和Kruskal-Wallis秩和检验比较ADC组、MBC组及炎性组的一般资料、¹⁸F-FDG PET/CT表现和肿瘤标志物水平。通过Logistic回归分析筛选预测ADC的独立危险因素,采用受试者工作特征(ROC)曲线分析不同独立危险因素的诊断效能。结果 55例ADC患者中,微浸润性腺癌(MIA)12例、浸润性非黏液腺癌低危...     

基于CT影像组学结合临床影像特征预测局部晚期鼻咽癌诱导化疗疗效

目的:探讨基于增强CT的影像组学结合临床影像特征的列线图在预测局部晚期鼻咽癌(LA-NPC)患者诱导化疗(ICT)疗效中的价值。方法:回顾性分析2014年7月至2022年3月178例LA-NPC(Ⅲ、Ⅳ期)患者的临床及CT图像资料，以7:3随机将患者分为训练组(n=125)和测试组(n=53)。采用3D-Slicer勾画容积感兴趣区(VOI)并用Pyradiomics包提取特征。使用单-多因素Logistic回归选择临床预测因子。采用最小绝对收缩与选择算法(LASSO)筛选组学特征，最后通过多变量Logistic回归构建临床、影像组学及联合模型，并绘制列线图。以受试者工作特征曲线(ROC)的曲线下面积(AUC)评估和比较三种模型的预测效能。应用决策曲线(DCA)观察列线图的临床净获益。结果:Logistic回归分析结果显示T分期(OR=0.45,P=0.004)、癌灶强化程度(OR=2.706,P=0.038)、血小板/淋巴细胞比值(PLR)(OR=0.289,P=0.024)是ICT疗效的临床预测因子，基于以上3者构建临床模型。基于22个与ICT疗效显著相关的组学特征构建影像组学模型...     

EGFR突变型肺腺癌CT特征分析

目的 探究肺腺癌患者表皮生长因子受体(EGFR)突变与CT特征的相关性。方法 搜集就诊于本院经病理证实为肺腺癌的77例患者。所有受试者都接受了EGFR突变状态检测,并在接受治疗前均行胸部CT检查,由两名医师评价肺部CT特征,使用卡方检验、Fisher确切概率法比较肺部CT特征、临床特征与EGFR突变状态的关系,选出有统计学差异的变量进行二元Logistic回归分析来确定预测EGFR突变的独立危险因素。结果 77例肺腺癌患者中,EGFR突变型39例,野生型38例,EGFR突变在女性、无吸烟史、较少淋巴结转移、少有胸腔积液/心包积液的患者中更常见,并且胸部CT常表现为有空气支气管征和小血管穿行的实性密度病灶。Logistic回归分析显示女性、空气支气管征和无胸腔/心包积液与EGFR突变相关。结论 在肺腺癌患者中,恶性胸腔/心包积液较少和CT有空气支气管征的女性患者更可能提示存在EGFR基因突变。     

18F-FDG PET/CT对非小细胞肺癌EGFR基因突变诊断价值的Meta分析

 目的 采用Meta分析系统评价¹⁸F-FDG PET/CT对非小细胞肺癌EGFR基因突变的诊断价值。方法 计算机检索PubMed、EMbase、The Cochrane Library、中国期刊全文数据库、万方数据库、中文科技期刊数据库,查找有关¹⁸F-FDG PET/CT对非小细胞肺癌EGFR基因突变的诊断性试验。由 2 位评价员按照纳入与排除标准独立筛选文献、提取资料和评价纳入研究的方法学质量后,采用Meta DiSc1.4软件进行Meta分析。结果 最终纳入16篇文献,非小细胞肺癌3308例。病理确诊为肺腺癌2914例(88.09%),其他病理类型394例(11.91%)。Meta分析结果示,SEN合并=0.57[95%CI(0.55,0.60)],SPE合并=0.65[95%CI(0.62,0.67)],+LR合并=1.82[95%CI(1.49,2.23)],-LR合并=0.67[95%CI(0.59,0.76)],DOR合并=2.93[95%CI(2.08,4.15)],AUC=0.6678。结论 ¹⁸F-FDG PET/CT的SUV_max对NSCLC患者的EGFR突变有一定的预测能力,其特异度优于敏感度,可以用于EGFR突变的诊断。     

基于临床及CT影像组学特征构建周围型小细胞肺癌与肺腺癌诊断模型的研究

目的 基于临床及CT影像组学特征建立周围型小细胞肺癌(SCLC)与肺腺癌(ADC)诊断模型，并评估其诊断价值。方法 回顾性搜集周围型肺癌患者临床及CT影像资料，选取治疗前2周内有薄层CT影像的病例分为SCLC组和ADC组，以SCLC组为实验组，采用倾向性评分匹配按1∶2匹配ADC对照组，两组按照7∶3比例随机分为训练集和验证集。依据训练集病例资料采用多因素Logistic回归分析筛选有意义的变量，建立临床、影像组学及临床组学联合预测周围型SCLC诊断模型。采用受试者工作特征(ROC)曲线评价模型诊断效能，建立个体化诊断列线图。结果 周围型SCLC和ADC两组间NSE和13个组学特征有显著性差异。训练集和验证集ROC曲线下面积，临床诊断模型分别为0.793和0.750,影像组学模型分别为0.857和0.838,联合模型分别为0.905和0.882。结论 基于临床及CT影像组学特征建立周围型SCLC与ADC诊断模型可鉴别诊断周围型SCLC及ADC。     

肿瘤标志物联合CT特征对肺腺癌表皮生长因子受体基因突变的预测价值

目的:探讨肿瘤标志物联合CT特征对肺腺癌表皮生长因子受体(EGFR)基因突变的预测价值.方法:收集132例经病理确诊的肺腺癌患者治疗前的肿瘤标志物、CT特征及组织学EGFR基因检测结果,并根据EGFR基因检测结果分为突变组(61例)和未突变组(71例).将肿瘤标志物及肿瘤标志物联合CT特征分别构建Logistic回归模...     

治疗前CT影像组学结合机器学习预测非小细胞肺癌患者EGFR突变亚型

目的探讨基于治疗前胸部平扫CT影像组学特征和临床特征结合机器学习算法预测非小细胞肺癌(NSCLC)患者表皮生长因子受体(EGFR)突变状态和突变亚型(19Del/21L858R)的可行性和价值。方法回顾性分析南华大学附属第一医院和附属第二医院经活检病理证实和接受EGFR基因检测的280例NSCLC患者的治疗前胸部平扫CT和临床特征数据, 其中EFGR突变患者为136例。由两位高年资影像和肿瘤医师勾画原发肺部大体肿瘤区域(GTV), 然后提取851个影像组学特征, 采用Spearman相关分析和RELIEFF算法筛选具有预测性的特征, 两家医院分别为训练组和验证组。经特征选择的影像组学特征和临床特征构建临床-影像组学模型, 并与单独采用影像组学特征和临床特征模型进行比较。采用序贯建模流程, 使用支持向量机(SVM)建立机器学习模型预测EGFR突变状态和突变亚型。受试者工作曲线下面积(AUC-ROC)评估预测模型的诊断效能。结果经特征筛选各有21个影像组学特征在预测EGFR突变和突变亚型时具有预测效能并用于建立影像组学模型。临床-影像组学模型表现出最好的预测效能, 预测EGFR突变状态的模...     

基于MRI影像组学列线图在宫颈鳞癌组织学分级中的预测研究

目的 建立并验证MRI影像组学列线图模型，实现术前对宫颈鳞癌组织学分级的准确预测。方法 回顾性搜集2019年1月至2021年10月于蚌埠医学院第一附属医院就诊208例患者的临床及影像资料。按照7∶3的比例将所有患者随机分为训练组(n=145)、验证组(n=63),在训练组患者选取矢状位T₂WI、增强T₁WI及轴位DWI图像，在病灶最大层面边缘勾画获取感兴趣区(ROI)提取影像特征，应用最小绝对收缩和选择算子(LASSO)算法建立影像组学评分。采用多因素Logistic回归分析确定独立危险因素，并结合影像组学评分建立MRI影像组学列线图。运用受试者工作特征曲线(ROC)曲线下面积(AUC)评价模型的预测性能。应用校正曲线评估列线图的临床应用价值。结果 基于临床参数及影像组学评分构建的列线图模型(AUC:0.852)的诊断效能高于临床特征模型(AUC:0.723)及影像组学模型(AUC:0.788)。结论 结合临床模型和影像组学评分的MRI影像组学列线图模型是一种简单、有效、可靠的预测宫颈鳞癌组织学分级的方法。     

基于CT增强扫描静脉期的影像组学列线图预测晚期肺腺癌患者对培美曲塞+铂类化疗敏感性的价值

目的：探究影像组学列线图对晚期肺腺癌患者培美曲塞+铂类化疗疗效的预测能力。方法：回顾性收集经穿刺病理确诊为晚期肺腺癌的131例患者的资料,均行至少2个周期的培美曲塞+铂类化疗。将患者按照7∶3的比例随机分为训练集92例和测试集39例。依据实体肿瘤的疗效评价标准（RECIST）标准,将部分缓解患者纳入缓解组（68例）,疾病进展和疾病稳定患者纳入未缓解组（63例）。根据治疗前静脉期CT图像提取、筛选影像组学特征,得到影像组学评分（Radscore）,并建立影像组学逻辑回归（LR）模型;采用单因素及多因素logistic回归分析筛选独立预测因子,并构建临床预测模型;基于LR联合临床独立预测因子及Radscore构建影像组学列线图。采用ROC曲线和决策曲线分析（DCA）评估比较3种模型的预测效能及临床净收益。结果：临床预测模型、影像组学模型及影像组学列线图的训练集AUC分别为0.742、0.815和0.923,测试集AUC分别为0.684、0.726和0.760,表明影像组学列线图的预测效能高于临床预测模型及影像组学模型。DCA示影像组学列线图临床净收益高于临床预测模型及影像组学模型。结论：影...     

基于临床及CT影像特征建立磨玻璃密度浸润性肺腺癌诊断模型的研究

目的 分析肺磨玻璃结节(GGN)肺腺癌中微浸润性腺癌(MIA)与浸润性腺癌(IAC)病例临床及CT影像特征,建立IAC诊断模型并评估其诊断价值。方法 回顾性分析2017年7月至2021年7月本院肺GGN中MIA与IAC病例影像及临床资料,按照7∶3的比例随机分为训练组和验证组,训练组中IAC为实验组,MIA为对照组,比较两组临床及影像学特征,采用多因素Logistic回归分析筛选IAC的危险因素并建立IAC诊断模型,采用受试者工作特征(ROC)曲线分析模型的诊断效能,采用列线图量化危险因素。结果 479例GGN病灶纳入研究,其中训练组335例,验证组144例。病灶质量(P=0.001)、深分叶征(P=0.029)和空泡征(P=0.014)是IAC的独立危险因素,训练组曲线下面积(AUC)为0.852,验证组AUC为0.762,IAC列线图诊断模型预测概率的截断值为0.634。结论 基于临床及影像特征建立IAC列线图诊断模型对IAC有较好的诊断价值。     

联合CT影像组学与深度学习特征建立列线图预测食管鳞癌放疗近期疗效

目的:探讨基于CT影像组学特征与深度学习特征建立列线图对食管癌放疗近期疗效的预测价值。方法:回顾性分析137例食管鳞癌患者的临床及影像资料。从CT图像中提取影像组学特征和深度学习特征。通过最小绝对收缩和选择算子方法分别对影像组学特征和深度学习特征进行降维并计算得到影像组学得分(Radscore)和深度学习得分(Deepscore)。采用多因素logistic回归分析建立预测模型,并绘制列线图。对列线图的校准度、诊断效能和临床价值进行评价。结果:筛选得到6个影像组学特征参与计算Radscore, 6个深度学习特征参与计算Deepscore。多因素logistic回归结果显示Radscore、Deepscore、TNM分期为联合模型的独立预测因子。联合预测模型在训练集中预测食管鳞癌患者放疗近期疗效的曲线下面积(AUC)为0.904,高于临床模型(AUC=0.662)和影像组学模型(AUC=0.814),且AUC差异均有统计学意义(P<0.001、P=0.004)。验证集中联合模型的AUC为0.938,高于临床模型(AUC=0.644)和影像组学模型(AUC=0.852),联合模型与临...     

双能量CT成像联合肿瘤指标CEA对晚期肺腺癌EGFR突变的预测价值

目的 探讨双能量CT(DECT)成像联合肿瘤指标癌胚抗原(CEA)对晚期肺腺癌表皮生长因子受体(EGFR)突变的预测价值。方法 搜集2019年8月至2021年6月87例晚期肺腺癌患者临床资料、DECT定量参数、CEA水平及EGFR基因突变数据,DECT定量参数为碘浓度(IC)、标准化碘浓度(NIC)及能谱曲线斜率(k)。比较突变组和野生组临床资料、CEA及DECT参数差异,对有统计学意义的参数,构建预测EGFR基因突变的Logistic回归模型,以受试者工作特征(ROC)曲线,评价模型预测效能。结果 58例EGFR基因突变阳性。EGFR突变在女性且非吸烟者多见。突变组动脉期IC、NIC及k值及静脉期IC均高于野生组(P均<0.05)。单因素动脉期IC、NIC、k、静脉期IC及CEA的ROC曲线下面积(AUC)分别为0.616、0.658、0.682、0.667、0.736。临床特征联合CEA建立回归模型1,临床特征联合DECT参数建立模型2,临床特征联合DECT参数及CEA建立模型3,模型3预测EGFR基因突变效能优于模型1和2,其AUC为0.967。而两组患者年龄、动脉期NIC...     

MRI影像组学列线图术前预测子宫内膜癌淋巴结转移

目的 构建并验证MRI影像组学列线图术前预测子宫内膜癌淋巴结转移的价值。资料与方法 回顾性分析2014年9月—2022年5月福建省妇幼保健院195例子宫内膜癌患者的临床及影像资料，利用MaZda软件获取影像组学特征，建立影像组学得分，利用多因素Logistic回归建立淋巴结转移预测列线图，采用受试者工作特征曲线评价模型的预测效能，并在测试集中进行验证。结果 训练集134例，其中淋巴结转移43例；验证集61例，其中淋巴结转移28例，术前MRI诊断淋巴结转移的敏感度为32.4%(23/71)，特异度为96.0%(119/124)。多因素Logistic回归分析显示影像组学得分、MRI提示宫颈间质浸润、Ki-67、MRI提示淋巴结转移为独立危险因素，依此构建的预测模型在训练组及验证组的曲线下面积分别为0.897、0.840,HosmerLemeshow检验显示模型在训练组、验证组拟合优度良好（P=0.689、0.167）。结论 MRI影像组学列线图提高了子宫内膜癌淋巴结转移的诊断效能，有助于临床制订个体化治疗策略。     

基于T2WI和增强MRI影像组学列线图预测宫颈鳞癌淋巴脉管间隙浸润

目的:探讨基于T₂WI和增强MRI影像组学列线图对宫颈鳞癌淋巴脉管间隙浸润(LVSI)的预测价值。方法:将92例经术后病理证实的宫颈鳞癌患者纳入研究,并按7:3的比例随机分为训练集(66例)和验证集(26例)。所有患者术前行MRI检查,在横轴面T₂WI和对比增强T₁WI(T1CE)上选取病灶最大层面沿肿瘤边缘勾画ROI,应用AK软件提取影像组学特征。采用mRMR和LASSO回归分析对提取的纹理特征进行初步筛选,然后进行多因素logistic回归分析,构建影像组学模型。使用单因素logistic回归分析筛选临床病理危险因素,并使用多因素logistic回归结合影像组学评分(Radscore)构建影像组学列线图。应用ROC曲线评估影像组学模型、临床病理危险因素模型和影像组学列线图模型的预测能力,并应用决策曲线分析评估影像组学列线图的临床应用价值。结果:在T₂WI和T1CE图像上分别提取病灶的396个影像组学特征,最终筛选出14个具有最大诊断效能的纹理特征。使用多因素logistic回归构建包含FIGO分期、分化程度和Radscore的影像组学列线图。影像组学列线图的预测效能优于临床病理危险因素模型(训练集中,AUC:0.96 vs.0.70;Delong检验:Z=4.04,P=5.415e-05;验证集中,AUC:0.87 vs.0.71;delong检验:Z=1.24,P=0.02)。决策曲线分析显示风险阈值为0.01~1.00时使用影像组学列线图对预测宫颈鳞癌LVSI情况的临床应用价值较大。结论:基于双序列MRI构建的影像组学列线图对宫颈鳞癌LVSI情况有较好的预测能力,可作为一种术前评估的无创性影像学生物标志。