文摘目的通过提取动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)的高通量影像组学特征,构建预测模型以探讨其在术前鉴别高级别胶质瘤(high-grade gliomas,HGG)和单发性脑转移瘤(solitary brain metastases,SBM)中的应用价值。材料与方法回顾性分析2016年5月至2024年12月常州市第一人民医院收治的135例患者资料(HGG 89例,SBM 46例)。所有患者的影像学资料(DCE序列、常规MRI)、病理资料均完整。由两名分别具有3年与10年工作经验的神经影像医师沿肿瘤边缘手动勾画全瘤感兴趣区(region of interest,ROI),并对每个ROI提取963个影像组学特征。采用Mann-Whitney U检验、Pearson相关系数和分层聚类减少特征冗余,并通过最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)优化特征集。采用逻辑回归(logistic regression,LR)分别构建DCE模型、常规MRI模型及融合模型。绘制受试者工作特征(receiver operating characteristic,ROC)曲线,并以其曲线下面积(area under the curve,AUC)评估各模型的预测效能。采用DeLong检验比较不同模型的显著性差异,以P<0.05表示差异具有统计学意义。结果DCE模型、融合模型对预测HGG及SBM具有较高的效能,在测试集的AUC值分别为0.908(95%CI:0.812~1.000)、0.934(95%CI:0.860~1.000),优于常规MRI模型,差异具有统计学意义(P=0.001,P=0.011)。融合模型的预测效能稍高于DCE模型,但是差异无统计学意义(P=0.387)。结论DCE模型在术前鉴别高级别胶质瘤与单发脑转移瘤方面具有较高的效能,且与融合模型的鉴别效能相当。
