基于T2WI脂肪抑制序列影像组学联合临床参数预测子宫腺肌症HIFU治疗能量效率因子的机器学习模型研究

本研究创新性地整合T2加权脂肪抑制序列（T2WI-FS）影像组学特征与临床参数，通过决策树和随机森林算法构建联合模型，精准预测高强度聚焦超声（HIFU）治疗子宫腺肌症的能量效率因子（EEF）。模型测试集平均绝对误差（MAE）达8.095-8.231，相关系数>0.76，为优化HIFU剂量策略提供量化依据，显著提升治疗安全性与有效性。

　　

1 引言

子宫腺肌症作为子宫内膜异位至子宫肌层的常见疾病，传统治疗面临药物副作用与手术创伤的双重困境。高强度聚焦超声（HIFU）因其无创、保生育力的特性成为新兴疗法，但能量效率因子（EEF）——即单位体积消融所需能量（j/mm³）的个体差异直接影响疗效与安全性。过低EEF导致治疗不足，过高则引发神经损伤等风险。磁共振T2加权脂肪抑制序列（T2WI-FS）凭借优越的软组织对比度，结合影像组学高通量特征提取技术，为破解EEF预测难题提供新思路。

2 材料与方法

研究纳入169例接受HIFU治疗的腺肌症患者，通过3D Slicer软件勾画病灶ROI，提取1223个T2WI-FS序列影像组学特征。采用最小冗余最大相关（MRMR）和最小绝对收缩选择算子（LASSO）筛选出12个关键影像特征，联合3项临床指标（病灶-皮肤距离、病灶体积、红细胞计数），构建决策树与随机森林联合预测模型。

3 结果

决策树模型在测试集表现优异：MAE=8.095，R²=0.559；随机森林模型MAE=8.231，R²=0.549。两组预测差异具有统计学意义（p<0.05）。其中，病灶-皮肤距离每增加1cm，EEF需求上升约15%；而红细胞计数与EEF呈负相关，提示血液成分可能通过改变声波传导效率影响能量沉积。

4 讨论

研究首次揭示红细胞计数与EEF的关联性：高红细胞密度或通过增强声阻抗匹配，提升超声能量聚焦效率。传统认知中，深部病灶因声波衰减需更高能量，但本模型发现大体积病灶反而降低单位体积能量需求，可能与坏死组织改变局部声学环境有关。影像组学特征中，灰度共生矩阵的角二阶矩和游程长度非均匀性对EEF预测贡献度最高，反映病灶内部结构异质性与能量吸收效率的潜在联系。

5 结论

该联合模型突破传统经验性剂量调整模式，实现EEF的术前精准预测。临床应用中，医生可依据模型输出的量化指标，个性化设置HIFU参数：对于预测EEF>35j/mm³的高风险病例，建议采用分次治疗或联合GnRH预处理；而EEF<20j/mm³者则可缩短单次治疗时长。未来需通过多中心验证进一步优化模型，推动HIFU治疗进入"智慧剂量"新时代。