许志高^1*，赵丽丽¹，尹磊²，曹米兰³，刘艳⁴，谷丰¹，刘晓慧¹，张国江⁵

1.大同市第三人民医院医学影像科，山西大同，037046；2. 长治医学院研究生院，山西长治，046013；3. 大同市第三人民医院科教科，山西大同，037046；4. 大同市第三人民医院内分泌科，山西大同，037046；5. 大同市第三人民医院心血管内科，山西大同，037046；

*通信作者：张国江，Email: yxkysjjys@163.com

【基金项目】山西省卫生健康委科研课题（2022118）；山西省医学重点科研

项目（2023XM057）；大同市重点研发计划项目（2024033）；山西省基础研究计划项目（202403021211176）

【摘要】目的：探讨基于磁共振成像（MRI）的影像组学方法预测2型糖尿病（T2DM）患者认知功能障碍的价值。

资料与方法：回顾性分析2019年9月至2020年12月在大同市第三人民医院内分泌与代谢性疾病中心确诊的158例T2DM患者的临床资料。根据中文版蒙特利尔认知评估量表（Montréal Cognitive Assessment Scale-B，MoCA-B）的评分将参与者分为认知功能正常（N）组（n=30）、轻度认知功能障碍（Mild Cognitive Impairment，MCI）组（n=90）和痴呆（dementia，DM）组（n=38）。根据从3D T1WI图像中提取不包括脑室和脑沟的脑组织的放射组学特征，分别建立区分N与CI组、MCI与DM组的支持向量机（Support Vector Machine，SVM）模型。绘制2种SVM模型的ROC曲线，根据曲线下面积（Area Under Curve，AUC）、精确率（Precision, P）、召回率（Recall, R）、f1分数和支持度对模型进行评估。

结果：N和CI组共68例，其中训练集54例，验证集14例；MCI和DM组共128例，其中训练集90例，验证集38例。两名医师手动分割获得ROI的影像组学特征组间、组内ICC一致性分别为0.86和0.90。通过降维分析筛选出11个最优特征区分N和CI，12个最优特征区分MCI和DM。在测试集中，SVM分类器鉴别N与CI的AUC为0.857，准确率为0.830；在区分MCI和DM时的AUC为0.821，准确率为0.830。

结论：基于MRI影像组学的SVM模型在诊断T2DM患者认知功能障碍和评估其严重程度方面具有较高效能。

【关键词】认知功能障碍；影像组学；磁共振成像；支持向量机；糖尿病，2型；