基于MR PDW序列的类风湿关节炎影像组学特征

目的:探究基于MR质子密度加权(proton density weighted image, PDW)序列建立的影像组学模型辅助诊断类风湿关节炎(rheumatoid arthritis, RA)的可行性。方法:回顾性连续纳入南通市第一人民医院2018年6月─2020年6月经临床确诊为RA并行MR检查的患者87例及健康对照组50例。在PDW序列图像上选取手内在肌显示最大层面图像,勾画手内在肌作为感兴趣区。组学特征采用Relief及最小绝对收缩与选择算子算法对特征进行筛选、降维处理。按照70%和30%的比例将所有入组病例随机划分为训练集和验证集。建立逻辑回归、随机森林和决策树3种组学模型,采用ROC曲线的AUC和准确率评估组学模型的鉴别效能,AUC间比较采用DeLong检验。结果:从PDW序列中共提取2 283个影像组学特征,最终筛选出4个特征用于构建预测模型。逻辑回归模型在训练集和测试集中预测RA分别为0.838(95%CI 0.754~0.923)和0.785(95%CI:0.647~0.924);随机森林模型分别为0.916(95%CI:0.86~0.972)和0.785(95%CI:0.620~0.911);决策树模型分别为0.987(95%CI:0.937~1.000)和0.802(95%CI:0.667~0.938)。3种模型在测试集预测方面差异无统计学意义(Z=0.26、0.69、0.42, P=0.80、0.49、0.68)。结论:基于PDW图像的影像组学模型可以作为一种辅助诊断RA的有效方法。