目的 分析核磁共振影像组学对于直肠癌 病理分期进展及微血管浸润(MVI)的预测相关性。方法 回顾性收集2020年1月至2023年1月成都市温 江区人民医院直肠癌手术患者资料。依据直肠癌病 理TNM分期分为进展组(T3、T4期)及对照组(T1、 T2期)，按照7:3随机分为建模组和验证组。采用 机器学习(machine learning，ML)算法：LASSO 回归从核磁影像特征数据中变量筛选，随机森林 (random forest，RF)回归分析危险因素建立预测模 型。通过收集受试者操作特征(receiver operating characteristic curve，ROC)曲线以及临床校准、 临床决策和影响曲线来评估预测性能，采用外部验 证模型预测性。结果 纳入120名患者，包括进展组 75例、非进展组45例。基线资料对比显示患者年龄 增大、家族史和吸烟史的患者癌症发生率较高，差 异有统计学意义(P<0.05)。影像组学分析：LASSO 回归从270个影像组学提取特征纳入了30个潜在预 测因子，随机森林模型显示肿瘤矢状位最大径、盆 腔侧壁受累征、T2WI 边缘结节征、T2WI 边缘毛刺 征、s高灰度区域分布程度、表观扩散系数(ADC) 值是直肠癌病理组织分期进展的危险因素。建模组 显示模型ROC曲线下面积(AUC)为0.874(95%CI， 0.837-0.905)。校准曲线及临床决策和临床影响曲线 表明该模型具有良好的预测准确性，验证组显示模 型ROC曲线的AUC为0.904(95%CI，0.857-0.955)。 亚组分析显示模型对于对于肿瘤微血管浸润转移进 展预测AUC为0.876(95%CI 0.831-0.916)。结论 影 像组学结合机器学习算法可以初步预测直肠癌病理T 分期及肿瘤组织有无微血管转移进展。