摘要目的 探讨基于表观扩散系数(apparent diffusion coefficient,ADC)图构建的影像组学模型,对子宫内膜癌(endometrial carcinoma,EC)肌层浸润深度的预测价值,从而为临床制订治疗方案提供可靠依据.材料与方法 回顾性分析首都医科大学附属北京潞河医院2016年1月至2023年12月期间在术前接受盆腔MRI检查并经术后病理证实的155例EC患者的临床及MRI资料(浅肌层浸润114例,深肌层浸润41例),按照4∶1的比例随机分为训练集(n=124)和验证集(n=31).采用ITK-SNAP软件在ADC图上逐层勾画肿瘤区域并进行特征提取,对提取出来的特征进行归一化处理,应用皮尔森相关系数分析(pearson correlation coefficients,PCC)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)对所有特征进行筛选降维,并按权重系数对筛选后的影像组学特征进行重要性排序,选择排名前10的特征,使用逻辑回归(logistic regression,LR)、随机森林(random forest,RF)、梯度提升机(gradient boosting machine,GBM)3种算法构建影像组学模型,并在验证集中对模型进行验证.使用受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和决策曲线分析(decision curve analysis,DCA)对3种影像组学模型的性能进行分析评估.使用DeLong检验比较不同模型间曲线下面积(area under the curve,AUC)的差异.结果 LR、RF和GBM模型预测EC肌层浸润深度的AUC值分别是0.780(95%CI:0.762～0.804)、0.860(95%CI:0.846～0.879)、0.860(95%CI:0.843～0.877),RF和GBM模型的AUC值最高且相等.DeLong检验显示LR与RF及GBM模型的AUC值差异均有统计学意义(P=0.017,0.023),RF与GBM模型的AUC值差异无统计学意义(P=3.310).校准曲线和DCA结果显示3种模型均具有较好的拟合度及临床实用性.结论 基于ADC图所构建的影像组学模型在EC肌层浸润深度的预测中具有良好的价值.