目的:探讨基于CT影像组学的机器学习模型预测胰腺癌门静脉-肠系膜上静脉(PV-SMV)侵犯的价值。方法:回顾性分析2010年1月至2021年7月南京医科大学附属无锡第二医院收治的156例经手术病理确诊的胰腺癌患者的临床、病理及术前CT影像资料，其中男性95例，女性61例，年龄(65.7±8.2)岁。所有入组患者按3∶2的比例划分训练集和验证集。通过患者术前增强CT提取肿瘤影像组学特征，采用最大相关最小冗余算法进行特征选择后，构建5种机器学习算法预测模型，并与常规影像特征诊断的受试者工作特征(ROC)曲线进行比较。结果:94例患者纳入训练集，62例纳入验证集。训练集和验证集中手术探查证实的PV-SMV侵犯病例分别为30例(31.9%)和25例(40.3%)。基于10个影像组学特征构建的5个机器学习模型中，LASSO回归模型的AUC优于随机森林、支持向量机、K近邻和朴素贝叶斯4个模型，差异有统计学意义(均 P<0.05)。与常规影像特征的诊断效能比较，LASSO回归模型在验证集中诊断PV-SMV侵犯具有更高的AUC(0.920比0.752)和更好的灵敏度(92.0%比86.5%)，差异具有统计学意义(均 P<0.05)。 结论:基于CT影像组学的机器学习模型可实现胰腺癌PV-SMV侵犯的术前预测，LASSO回归模型较常规影像特征的诊断效能更高。

胰腺肿瘤;机器学习;血管侵犯;影像组学

陈昉铭;章双林;成月;祁秀敏;周永平;张雷;张追阳

南京医科大学附属无锡第二医院影像科，无锡　214002;南京医科大学附属无锡第二医院病理科，无锡　214002;南京医科大学附属无锡第二医院肝胆外科，无锡　214002

中华肝胆外科杂志

[1]陈昉铭;章双林;成月;祁秀敏;周永平;张雷;张追阳-.基于CT影像组学的机器学习模型预测胰腺癌门静脉-肠系膜上静脉侵犯的研究)[J].中华肝胆外科杂志,2022(07):525-530

机器学习模型,胰腺癌,门静脉,肠系膜上静脉,PV,SMV,南京医科大学,无锡,经手,手术病理,影像资料,中男,训练集,验证集,肿瘤影像,影像组学特征,最大相关最小冗余,特征选择,机器学习算法,算法预测,影像特征,受试者工作特征,手术探查,查证,犯病,特征构建,LASSO,近邻,朴素贝叶斯,诊断效能,集中诊断,术前预测,胰腺肿瘤,血管侵犯

0.268766