基于放射组学的颅内脑膜瘤手术中术中出血量的预测

《Neurosurgical Review》：Radiomics-based prediction of intraoperative blood loss during intracranial meningiomas surgery

　　本研究通过高分辨率MRI及随机森林回归分析，验证了影像组学特征预测脑膜瘤术中出血量的可行性，建立模型显示其预测质量良好，但肿瘤体积等传统因素影响较小。

　　

摘要

脑膜瘤手术时常伴随着大量的失血，这会导致医疗并发症的发生率增加。神经影像学特征（如放射组学特征）可以提供关于肿瘤的额外定量信息。然而，放射组学在预测术中失血方面的有效性尚未得到验证。我们的目标是研究放射组学在预测颅内脑膜瘤患者术中失血方面的潜力。共有137名被诊断为原发性颅内脑膜瘤的患者接受了高分辨率脑磁共振成像（MRI）检查，检查内容包括T1加权增强前后成像、T2加权成像、扩散加权成像（含表观扩散系数）以及动脉自旋标记（ASL）。MRI数据经过处理后提取了放射组学特征。通过随机森林回归分析确定了最具预测意义的指标，以建模这些指标与术中出血率之间的关系。我们基于十个放射组学预测因子构建了一个回归模型，其中包括一阶和二阶放射组学特征。该模型能够以平均绝对误差135.14毫升和R平方值0.29来预测颅内脑膜瘤患者的术中失血量，这一预测质量可以认为是不错的。肿瘤体积、肿瘤位置、组织学分级和手术持续时间作为预测因子的重要性较低，且未能改善模型的预测效果。放射组学特征在预测术中失血方面可能具有实用性，并能为颅内脑膜瘤患者的术前评估提供有价值的信息。