Objetivo: Investigar o valor potencial do modelo de aprendizado de máquina baseado na radiômica ambiental multiparamétrica de imagens de ressonância magnética (MRI) para predizer a invasão linfovascular (LVI) em pacientes com câncer gástrico. Métodos: Foram coletados retroativamente dados de pacientes com câncer gástrico confirmados por patologia no Hospital do Câncer da província de Shanxi, entre outubro de 2012 e maio de 2024, divididos aleatoriamente em conjuntos de treinamento e validação na proporção de 7:3. As imagens multiparamétricas de MRI, incluindo imagens axiais ponderadas em T2, mapas do coeficiente aparente de difusão (ADC) e imagens ponderadas em T1 com contraste, foram pré-processadas e os tumores segmentados manualmente. O tumor foi subdividido com base no algoritmo de agrupamento fuzzy c-means, e características radiômicas das sub-regiões ambientais e da região tumoral total foram extraídas e selecionadas. Três diferentes algoritmos de aprendizado de máquina — florestas aleatórias (RF), regressão logística (LR) e máquinas de vetor de suporte (SVM) — foram utilizados para construir modelos radiômicos ambientais para prever o status de LVI, selecionando o algoritmo ótimo para construir o modelo radiômico tumoral total. As curvas ROC e as curvas de análise de decisão (DCA) foram desenhadas para avaliar o desempenho dos modelos na predição de LVI e seus benefícios clínicos. Resultados: Um total de 446 pacientes com câncer gástrico foram incluídos, com 313 no conjunto de treinamento e 133 no de validação. Entre os três modelos de aprendizado de máquina, o modelo radiômico ambiental baseado em SVM apresentou o melhor desempenho preditivo, com áreas sob a curva (AUC) de 0,803 e 0,751 para os conjuntos de treinamento e validação, respectivamente, sendo este modelo significativamente superior ao modelo radiômico tumoral total (teste DeLong, P < 0,05). Conclusão: Modelos de aprendizado de máquina baseados em imagens ambientais multiparamétricas de MRI podem prever de forma não invasiva e precisa o status de LVI em pacientes com câncer gástrico, fornecendo base teórica para decisões clínicas individualizadas.

câncer gástrico;invasão linfovascular;ressonância magnética;análise ambiental;aprendizado de máquina