摘要目的 探究基于T2WI影像组学模型评估帕金森病(Parkinson's disease,PD)患者严重程度的价值.材料与方法 回顾性分析201例临床诊断为PD患者的临床及影像资料.根据Hoehn-Yahr(H-Y)分级分为早期组113例与中晚期组88例,同时按7:3比例将患者分为训练集(n=140)和测试集(n=61).基于T2WI提取并筛选黑质(substantia nigra,SN)、红核(red nucleus,RN)、尾状核(caudate nucleus,CN)、壳核(putamen,PUT)及苍白球(globus pallidus,GP)组学特征,并采用逻辑回归(logistic regression,LR)分类器分别构建相应模型.将临床及影像变量依次纳入单因素和多因素logistic回归中,筛选出影响PD严重程度的独立危险因素并与最佳模型Radscore结合,从而构建联合模型(影像-临床模型).受试者工作特征(receiver operating characteristic,ROC)曲线用于评估各模型效能,并结合校准曲线评估各模型的校准度.结果 从SN中获得了19个最优影像组学特征,在训练集和测试集中AUC(0.817、0.733)均高于RN模型(0.758、0.704)、CN模型(0.712、0.643)、PUT模型(0.713、0.708)及GP模型(0.705、0.708).脑白质高信号(white matter hyperintensities,WMH)负荷、病程为诊断PD 患者严重程度的独立危险因素,与SN模型建立的联合模型AUC为0.865(训练集)、0.836(测试集),两种模型的诊断效能差异无统计学意义(P＞0.05).校准曲线显示6种模型诊断结果与实际结果的一致性较好.结论 基于T2WI的SN影像组学特征对于评估PD严重程度具有良好的潜力,并且结合WMH负荷和病程构建的联合模型进一步提高了 LR分类器的诊断性能,为临床及时干预治疗提供影像学指导.