文摘目的:基于机器学习的CT影像组学分析构建肝泡型棘球蚴病(HAE)边缘带浸润术前预测模型。方法:回顾性分析经病理确诊为HAE的92例患者,其中边缘带有浸润40例,边缘带无浸润52例,所有患者手术前均接受GE Discovery750HDCT扫描。从CT门脉期图像中逐层勾画病灶区域并提取影像组学特征,采用方差阈值法和SelectKBest法进行特征降维,并结合极限梯度增强树(XGBoost)机器学习分类器,对提取的特征进行统计建模。结果:共勾画92个VOI,每个VOI上提取了1409个影像组学特征,最终筛选出2个最优特征,分别为10Percentile和Gray Level Non Uniformity,结合XGBoost分类器构建的模型具有良好预测能力,其中边缘带有浸润在训练集上AUC为0.94,测试集AUC为0.73。结论:本研究引入机器学习技术预测HAE边缘带浸润状态,结果提示其可作为一种新型无创术前预测方法,所提取的2个CT影像标志物构建的模型具有良好预测准确度,为HAE的精准诊疗提供了新的评价方法。
