研究目的:KRAS突变是直肠癌靶向selleck合成治疗方案选择以及不良预后的重要影响因素。本研究旨在探讨基于高分辨率T2WI瘤灶及瘤周区域的影像组学特征标签预测直肠癌KRAS突变的价值,并进一步探讨影像组学特征标签与临床因素融合的联合模型预测KRAS突变的价值。材料与方法:回rare genetic disease顾性分析2019年4月至2022年12月就诊于南方医科大学珠江医院行MRI检查并经病理确定KRAS状态的直肠腺癌患者124例(KRAS突变型n=51,KRAS野生型n=73),按7:3的比例随机分为训练集(n=88)和验证集(n=36),同时收集每位患者的临床因素(包括临床基线信息及影像特征)。我们将在HR_T2WI上逐一层面分别完整勾画的主体瘤灶区、瘤周系膜区作为感兴趣区(ROI)。利用Python软件的pyradiomics库进行特征提取。采用组内/组间一致性分析、方差阈值法、最大相关-最小冗余算法(mRMR)及LASSO算法选取最优预测价值的关键组学特征。基于Logistic回归模型分别构建影像组学标签(Inner_T2WI、Peri_T2WI、Inner+Peri_T2WI),并绘制受试者工作(ROC)曲线评估预测性能。择预测性能最优的影像组学标签用于后续联合模型构建。通过单因素及多因素Logistic回归分析获得预测直肠癌KRAS突变的临床独立危险因素,用于构建临床模型。将最优影像组学特征标签的组学评分及临床独立危险因素一同输入多因素Logistic回归,构建影像-临床联合预测模型。采用ROC曲线下面积(AUC)、准确率、特异度、灵敏度联合净重新分类指数(NRI)、综合判别改善指数(IDI)综合评估并比较各模型的预测性能,最优模型以可视化列线图展示。采用Hosmer-Lemeshow检验评估模型的拟合优度及校准度;使用决策曲线分析法(DCA)计算预测模型的临床净获益,评Ceralasertib供应商估其在临床的实用性。结果:所构建的影像组学标签中,基于Inner+Peri_T2WI的影像组学标签的预测性能(训练集 AUC=0.805、验证集 AUC=0.725)均高于基于 Inner_T2WI、Peri_T2WI的影像组学标签。通过单因素及多因素Logistic回归分析结果显示患者年龄、CEA及联合影像组学标签radscore是直肠癌KRAS突变的独立危险因素;基于Logistic回归的联合模型预测性能优于影像组学特征模型、临床模型(训练集AUC分别为0.873、0.805、0.681,验证集 AUC 分别为 0.812、0.753、0.659);联合模型与影像组学模型、临床模型相比较的NRI、IDI均大于0(P<0.05)。Hosmer-Lemeshow检验显示联合模型拟合度较优。DCA显示联合模型风险阈值范围更大,同时具有更高的临床净获益。结论:基于联合HR-T2WI瘤灶及瘤周系膜区域的影像组学标签对于直肠癌KRAS的预测性能要优于基于单一区域的影像组学标签;与影像组学模型、临床模型比较,基于Logistic回归的联合模型预测性能最佳。