编辑推荐：
为探索横纹肌肉瘤诊断新途径，研究人员利用 T2 加权 MRI 影像组学及模型，发现其预测价值，意义重大。
横纹肌肉瘤（Rhabdomyosarcomas）是儿童中最常见的软组织肉瘤。尽管治疗效果有所改善，但基于风险的治疗分类仍依赖于分期和肿瘤亚型来制定治疗计划。本研究旨在探究 T2 加权磁共振成像（MRI）影像组学特征和机器学习模型，能否在横纹肌肉瘤患儿的基线成像中，识别远处转移的存在以及肺泡组织学亚型。
本研究为回顾性横断面研究，使用了 86 例患者的 MRI 数据。其中 49 例（中位年龄（四分位数间距）为 59 个月（37 - 161），肺泡亚型 15 例，远处转移 9 例）在外部影像中心进行成像（训练集）；37 例（中位年龄 52 个月（24 - 164），肺泡亚型 14 例，远处转移 8 例）在本机构进行成像（验证集）。从 T2 加权图像中提取影像组学特征，选择具有扫描内可重复性的特征，并使用最大相关性和最小冗余度监督特征选择方法，确定 50 个最重要的特征。训练套索逻辑回归（Lasso logistic regression）和支持向量机（SVM）分类器来预测二元结果，将给定患者所有预测的中位数作为患者层面的预测结果。使用德龙检验（DeLong’s test）比较受试者工作特征曲线下面积（AUC），通过最大化约登指数（Youden index）获得的临界值在外部验证集中进行评估，并报告准确性指标。
在验证集中，套索回归和支持向量机分类器预测肺泡亚型时，患者层面的 AUC 分别为 0.76（95% 置信区间 0.59 - 0.94）和 0.73（0.54 - 0.92），套索回归的灵敏度为 71.4%（41.9 - 91.6），特异性为 60.9%（38.5 - 80.3）。预测远处转移时，套索回归和支持向量机分类器的 AUC 分别为 0.81（0.67 - 0.95）和 0.77（0.58 - 0.97），两种模型的性能无差异（P>0.05）。在预测肺泡亚型和肿瘤转移的套索回归中，分别有 12 个和 18 个特征具有非零系数。
基线 T2 加权 MRI 的影像组学在预测横纹肌肉瘤患儿就诊时的肺泡亚型和远处转移性疾病方面具有潜力。需要更大规模的研究来探索多项多类模型，以便更好地预测儿童横纹肌肉瘤的预后。
