摘要目的 基于MRI影像组学特征构建局部晚期宫颈癌(locally advanced cervical cancer,LACC)患者同步放化疗(concurrent chemoradiotherapy,CCRT)预后的机器学习模型,并对其预测性能进行分析.材料与方法 回顾性收集2019年2月至2020年2月新疆医科大学附属肿瘤医院收治的424例LACC患者病例作为研究对象,以4∶1比例随机分为建模组(n=339)和内部验证组(n=85),另收集同期新疆医科大学第二附属医院收治的120例LACC患者病例作为外部验证组.收集临床资料及动态对比增强T1WI、快速自旋回波T2WI、弥散加权成像序列MRI图像,在病灶区域勾画感兴趣区,采用PyRadiomics获取影像组学特征,最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)再行影像组学特征降维筛选,基于筛出的影像组学特征构建影像组学模型,计算影像组学评分(radiomic score,Rads).基于患者临床资料及Rads进行Cox单因素和多因素分析,构建LACC患者CCRT预后列线图预测模型,并对模型预测性能进行验证.结果 LASSO算法筛选出13个MRI影像组学特征.单因素和多因素分析结果显示,体外放疗剂量[风险比(hazard ratio,HR)=1.275,95%置信区间(confidence interval,CI):1.186～1.371]、2 Gy分次放射等效剂量(HR=1.092,95%CI:1.050～1.137)为LACC患者CCRT预后死亡的独立危险因素,血红蛋白(HR=0.962,95%CI:0.940～0.985)、Rads(HR=0.949,95%CI:0.933～0.965)为保护因素(P<0.05).模型验证结果显示,内部验证和外部验证曲线下面积分别为0.978(95%CI:0.965～1.000)和0.971(95%CI:0.958～0.996),模型拟合优度Hosmer-Lemeshow检验χ2值分别为8.580(P=0.379)和8.691(P=0.370).结论 基于MRI影像组学构建的列线图预测模型对LACC患者CCRT预后有较好的预测性能和临床效用性,可为LACC患者CCRT治疗方案的制订与调整提供参考.