一种利用T2加权MRI的放射组学诺模图，用于准确诊断直肠膨出症

《Abdominal Radiology》：A radiomics nomogram utilizing T2-weighted MRI for accurate diagnosis of rectocele

本研究通过整合磁共振排粪造影（MRD）影像组学特征与临床变量构建nomogram模型，显著提升直肠膨出（rectocele）诊断准确率（AUC 0.93）。采用LASSO算法筛选影像特征，SVM模型构建区域特征与生活习惯放射组学结合的评估体系，并通过多变量逻辑回归优化临床-radiomics nomogram。

　　

摘要

背景

直肠膨出（Rectocele, RC）是一种常见的盆腔器官脱垂（Pelvic Organ Prolapse, POP），可能导致排便困难和生活质量下降。磁共振排便造影（Magnetic Resonance Defecography, MRD）能够提供高分辨率且无辐射的盆底解剖结构图像，但依赖于耗时且受观察者影响的手动测量。我们的研究构建了一个结合了感兴趣区域（Intra-ROI）和生态环境放射组学（Habitat Radiomics）特征的列线图模型，以改进基于MRD的直肠膨出诊断。

方法

我们回顾性分析了222名接受MRD检查的患者（155名用于训练，67名用于测试）。通过单变量和多变量逻辑回归方法筛选临床特征。应用了最小绝对值收缩选择算法（Least Absolute Shrinkage and Selection Operator, LASSO），保留系数非零的特征以构建放射组学特征集。随后使用支持向量机（Support Vector Machine, SVM）学习算法将感兴趣区域特征与生态环境放射组学特征结合起来，形成临床-放射组学列线图。通过接收者操作特征曲线（Receiver Operating Characteristic Curve, ROC）和决策曲线分析（Decision Curve Analysis, DCA）评估模型性能。

结果

结合感兴趣区域和生态环境放射组学特征的模型表现优于单独使用感兴趣区域或生态环境放射组学特征的模型，其曲线下面积（Area Under the Curve, AUC）分别为0.913（训练组）和0.805（测试组）。整合放射组学特征和性别的列线图在训练组和测试组中均显示出较强的校准能力和区分能力，AUC分别为0.930和0.852。

结论

我们的研究结果表明，将感兴趣区域特征与生态环境放射组学特征相结合有助于直肠膨出的评估。尽管这种临床-放射组学列线图在内部评估中表现最佳，但这项单中心回顾性研究缺乏外部验证，并且测试样本量相对较小。因此，不能排除模型过拟合的风险。在常规临床应用之前，需要进行前瞻性、多中心的验证和更大规模的样本研究。