文摘目的建立基于海马MRI影像组学的预测模型,以评估2型糖尿病(type 2 diabetes mellitus,T2DM)患者的认知功能水平属于认知正常(cognitive normal,CN)、轻度认知障碍(mildly cognitively impaired,MCI)还是痴呆(dementia,Dem)。材料与方法回顾性纳入140例T2DM患者的临床资料和MRI影像资料,根据蒙特利尔认知评估量表北京版(Montreal Cognitive Assessment Beijing version,MoCA-B)评分分为CN组、MCI组及Dem组,按照7∶3的比例随机分配至训练集(n=98)和测试集(n=42)以验证模型性能。使用联影智能平台(u AI Research Portal,uRP)勾画左右海马体感兴趣区(region of interest,ROI),提取影像组学特征,用方差阈值法和特征权重评估算法(Relief)进行特征降维,将其MRI影像组学特征使用十二个分类器构建机器学习(machine learning,ML)模型,并采用混淆矩阵评估分类模型性能。在训练数据中探讨最优截止点和调整参数,并在试验数据中对模型进行进一步评价。通过比较各分类器曲线下面积(area under the curve,AUC)确定最佳算法。结果从海马MRI的2313个原始组学特征中通过K-best选择方法确定了10个关键特征,进一步应用Select KBest,最终识别出2个最优特征。在CN组、MCI组、Dem组中使用十二个分类器进行训练时,二次判别分析(quadratic discriminant analysis,QDA)算法在分类器中表现最佳,训练集各组的AUC分别为0.869、0.854和0.893;测试集各组的AUC分别为0.819、0.779和0.811。结论基于海马MRI的QDA模型对T2DM患者认知功能障碍及其严重程度具有预测价值。
