목적: 다중 매개변수 MRI(magnetic resonance imaging) 환경 영상 방사선학과 머신러닝 모델을 결합하여 위암 환자의 림프혈관 침윤(lymphovascular invasion, LVI) 예측에 대한 잠재적 가치를 탐구하였다. 방법: 2012년 10월부터 2024년 5월까지 산시성 종양병원에서 병리학적 검사로 확진된 위암 환자를 후향적으로 수집하였으며, 7:3 비율로 무작위로 훈련 세트와 검증 세트로 나누었다. 축축 T2 강조 영상, 겉보기 확산 계수(apparent diffusion coefficient, ADC) 지도, 조영된 T1 강조 영상을 포함하는 다중 매개변수 MRI를 전처리하고 종양을 수동으로 분할하였다. 퍼지 c-평균 군집화 알고리즘을 기반으로 종양을 하위 영역으로 구분하고, 각각 환경 하위 영역 및 전체 종양 영역의 영상 방사선학적 특징을 추출 및 선별하였다. 무작위 숲(random forests, RF), 로지스틱 회귀(logistic regression, LR), 서포트 벡터 머신(support vector machine, SVM) 등 세 가지 다른 머신러닝 알고리즘을 사용하여 환경 영상을 기반으로 한 영상 방사선학 모델을 구축해 LVI 상태를 예측하였으며, 최적의 머신러닝 알고리즘을 선별하여 전체 종양 영상 방사선학 모델을 구축하였다. 수신자 조작 특성(receiver operating characteristic, ROC) 곡선 및 결정 분석 곡선(decision curve analysis, DCA)을 작성하여 각 모델의 위암 환자 LVI 예측 성능 및 임상적 이득을 평가하였다. 결과: 총 446명의 위암 환자가 포함되었으며, 훈련 세트 313명, 검증 세트 133명이었다. 세 가지 머신러닝 모델 중 SVM 기반 환경 영상 방사선학 모델이 훈련 세트와 검증 세트에서 각각 0.803과 0.751의 곡선 아래 면적(area under curve, AUC)을 보여 최상의 예측 성능을 나타냈으며, 해당 모델은 전체 종양 영상 방사선학 모델보다 유의하게 우수했다(DeLong 검정, P<0.05). 결론: 다중 매개변수 MRI 환경 영상을 기반으로 하는 머신러닝 모델은 비침습적이고 정확하게 위암 환자의 LVI 상태를 예측할 수 있어 임상 맞춤형 치료 결정에 이론적 근거를 제공한다.

위암;림프혈관 침윤;자기공명영상;환경 분석;머신러닝