研究背景及目的宫颈癌（cervical cancer,CC）是女性生殖系统最常见的恶性疾病之一,是全世界女性死亡的第四大主要原因,严重威胁着女性的健康和生命。宫颈癌主要病因是人乳头瘤病毒（human papillomavirus,HPV）感染,在欧洲,近年广泛采用的HPV疫苗接种和筛查计划极大地降低了当地宫颈癌的发病率,但在发展中国家,由于女性人群无法获得足够的医疗服务,宫颈癌发病率及死亡率仍然居高不下。Ki-67是细胞增殖活跃的标志物,已被广泛用作许多恶性肿瘤的预后指标,但通过常规有创性程序（如活检）并不能全面准确评估其表达情况,因此,在临床实践中,需要一种术前无创性预测Ki-67状态的方法来指导宫颈癌个体化治疗和术后监测。扩散加权成像（diffffusion weighted imaging,DWI）是检测组织细胞中水分子布朗运动的一种功能影像学技术,病变区域的细胞增殖活跃会引起其信号强度变化,纹理分析作为近年来的研究热点,可以检测图像像素之间肉眼不可见的MRI信号变化,量化组织病变的异质性。本研究的目的是通过宫颈癌术前DWI的表观扩散系数（apparent diffusion coefficient,ADC）图进行纹理分析,并构建模型来探讨其在预测细胞增殖因子Ki-67状态中的应用价值。材料与方法本研究回顾性收集在2016年01月至2021年02月间就诊于泰州市人民医院并经病理证实的宫颈癌病例,共纳入106例女性患者。所有患者均行盆腔磁共振成像（magnetic resonance imaging,MRI）常规平扫、DWI扫描。通过分析Ki-67表达指数,将病例分为两组,其中41例患者分为Ki-67＜50%组,65例患者分为Ki-67≥50%组。患者被随机分配到训练组或验证组,比例为7:3。将ADC图像从影像工作平台以Dicom格式导入ITK-SNAP软件。在勾画感兴趣区域（region of interest,ROI）时,参考矢状位T2WI、轴位T1WI及轴位T2WI确定肿瘤边界,选出病灶最大层面、实质部分信号最高且均匀的图像,勾画出肿瘤边界,尽量保证病灶边缘一致,尽量避免正常宫颈组织、坏死、囊性变和出血区。利用Pyradiomics程序提取纹理特征参数,将原始图像及其对应的ROI图像导入,自动提取肿瘤的所有纹理特征;特征包括一阶特征、灰度共生矩阵（gray level cooccurrence matrices,GLCM）、灰度游程长度矩阵（grey-level run-length matrices,GLRLM）和小波变换特征等。利用两种特征筛选方法,首先对冗余和不相关的特征进行剔除,使用最大相关最小冗余（maximum relevance minimum redundancy,mRMR）保留了具有低冗余和高相关的前30个特征。然后,我们使用最小绝对收缩和选择算子（least absolute shrinkage and selection operator,LASSO）算法进行后续降维。根据特征参数构建Logistic回归模型,通过受试者工作特性（receiver operating characteristic,ROC）曲线进一步评估了所构建模型的性能,计算了相应的曲线下面积（the area under the curve,AUC）、阳性预测值、阴性预测值、准确度、敏感度和特异度。利用决策分析曲线（decision curve analysis,DCA）评价预测模型的临床应用效能。结果通过mRMR特征选择和LASSO回归,得到了15个纹理特征。基于15个纹理特征的预测模型的训练组的AUC值为0.89,验证组的AUC值为0.82。训练组的准确度为0.81,敏感度为0.76,特异度为0.89,阳性预测值为0.92,阴性预测值为0.70;验证组的准确度为0.70,敏感度为0.57,特异度为0.91,阳性预测值为0.92,阴性预测值为0.57。DCA显示本研究所构建的预测模型能使临床获益。结论本研究初步构建的放射学预测模型对预测宫颈癌Ki-67表达具有良好的预测效能,可能为宫颈癌的重要影像标志物的研究提供一种无创性的方法,有望辅助临床医师进行临床干预。