基于多层感知机算法的CE-T1WI影像组学模型预测胶质瘤MGMT启动子甲基化状态

A Multilayer Perceptron Algorithm-Based CE-T1WI Radiomics Model for Predicting MGMT Promoter Methylation Status in Gliomas

二维码有效期 120s

摘要目的探索基于磁共振对比增强序列(CE-T1WI)的影像组学模型预测脑胶质瘤患者O6-甲基鸟嘌呤-DNA甲基转移酶(MGMT)启动子甲基化状态的价值.方法从公开数据集癌症影像档案库中回顾性分析281例脑胶质瘤患者(甲基化180例,未甲基化101例)的CE-T1WI资料.最小绝对收缩和选择算子(LASSO)回归分析和最大最小冗余相关方法被用于特征筛选.采用多层感知机算法建立预测模型.受试者工作特征曲线下面积(AUC)被用于评价预测性能.结果基于多层感知机算法的临床模型、影像组学模型以及临床+影像组学联合模型均可用于预测脑胶质瘤患者MGMT启动子甲基化状态,且与前两者相比,临床+影像组学联合模型有最高的诊断效能.联合模型在训练集中AUC为0.909(95％CI:0.864～0.944),敏感度和特异度分别为86.11％和82.50％;在验证集中 AUC 为 0.831(95％CI:0.708～0.917),敏感度和特异度分别为 80.56％和 80.95％.Delong检验显示,临床+影像组学联合模型与临床模型之间AUC的差异具有统计学意义(训练集:Z=4.718,P＜0.05;验证集:Z=2.677,P＜0.05).结论基于多层感知机算法的CE-T1WI影像组学模型能够对MGMT启动子甲基化和MGMT启动子未甲基化的胶质瘤患者进行有效鉴别.