CT影像组学机器学习模型预测逆行输尿管软镜碎石术后泌尿系结石清石率

作     者：周聪 王亚洲 吴青霞 朱永月 廖雯欣 王道清 ZHOU Cong;WANG Yazhou;WU Qingxia;ZHU Yongyue;LIAO Wenxin;WANG Daoqing

作者机构：河南中医药大学第一附属医院放射科河南郑州450046 河南中医药大学第一临床医学院河南郑州450046 北京联影智能影像技术研究院北京100089 

出 版 物：《中国介入影像与治疗学》 (Chinese Journal of Interventional Imaging and Therapy)

年 卷 期：2025年第22卷第1期

页      面：52-57页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 100210[医学-外科学(含：普外、骨外、泌尿外、胸心外、神外、整形、烧伤、野战外)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100106[医学-放射医学] 100602[医学-中西医结合临床] 10[医学] 

主　　题：尿石症 体层摄影术 X线计算机 机器学习 影像组学 逆行输尿管软镜碎石术 

摘      要：目的观察CT影像组学机器学习(ML)模型预测泌尿系结石经逆行输尿管软镜碎石术(RIRS)后清石率(SFR)的价值。方法 回顾性纳入216例接受RIRS的泌尿系结石患者并将其分为残余组(n=73)及无残余组(n=143)。以单因素及多因素logistic回归分析临床资料及结石CT表现,筛选RIRS后SFR独立预测因素。分别利用窗宽窗位归一化联合最大最小归一化(记为方法 a)、最大最小归一化(记为方法 b)、窗宽窗位归一化(记为方法 c)及无归一化(记为方法 d)对RIRS前腹部CT进行预处理,基于结石最佳影像组学特征建立ML模型[包括支持向量机(SVM)、逻辑回归(LR)和随机梯度下降(SGD)模型]并筛选其中最佳者;行RUSS及改良S. T. O. N. E评分预测RIRS后泌尿系结石SFR;联合独立预测因素及最佳ML模型构建联合模型。评估各模型及评分系统的预测效能。结果 结石数量、最大结石CT值及体积均为RIRS后SFR的独立预测因素(P均0.05)。以方法 b预处理后图像构建SVM模型的曲线下面积(AUC)最高(0.861),高于RUSS及改良S. T. O. N. E总评分(AUC=0.750、0.759,P均0.05)而与联合模型的AUC差异无统计学意义(AUC=0.853,P=0.775)。结论 基于最大最小归一化法预处理CT图像构建的影像组学SVM模型可有效预测泌尿系结石经RIRS后SFR。