背景胶质瘤（glioma）是最常见的中枢神经系统肿瘤,不论高或低级别胶质瘤,多数患者均预后不良。胶质瘤治疗方式及预后与肿瘤级别密切相关,准确的分级诊断有助于指导临床治疗方式的选择,有望改善胶质瘤患者生存预后。目前胶质瘤分级诊断主要依靠病理穿刺活检,但其为有创检查,可能给患者带来较大伤害。传统磁共振成像（magnetic resonance imaging,MRI）技术在胶质瘤诊断中发挥着重要作用,但阅片过程中存在的主观性问题往往难以避免,诊断准确性还有待提高。磁共振波谱（magnetic resonance spectrum,MRS）成像是一种能无创检测生物体内代谢物的检查方法,通过代谢物的种类及含量可以鉴别胶质瘤级别,已应用于胶质瘤的诊断及治疗过程。目的本研究的目的在于构建并验证基于磁共振波谱成像的诺莫图（nomogram）预测模型,以鉴别高级别胶质瘤与低级别胶质瘤。方法本研究回顾性收集辽宁省人民医院2020年1月至2022年1月经病理确诊并于术前行磁共振波谱检查的68例脑胶质瘤患者参与研究,包括高级别胶质瘤患者33例及低级别胶质瘤患者35例。所有患者均在GE3.0T超导型磁共振成像仪上获取磁共振波谱图像及增强核磁图像。患者取仰卧位,使用头部正交线圈固定患者头部,并为患者配戴好耳塞。嘱咐患者尽量保持不动。MRS图像采集:先行横断位及矢状位T2WI定位像扫描。随后使用二维多体素点分辨波谱成像序列（point resolved spectral selection,PRESS）进行多体素~1H-MRS扫描,扫描参数为:TR=1000ms,TE=144ms,视野（FOV）大小为240mm×240mm,矩阵大小为512×512,激励次数为1次,扫描时间约5分钟。体素大小设定为1.0cm×1.0cm×1.5cm。增强MR图像采集:分别采集T1WI、T2WI、T2-FLAIR及冠状位、矢状位及轴位T1增强图像。T1WI:TR=1750ms,TE=25ms,层厚为5.00mm,层间距为6.00mm,视野大小为240mm×240mm,矩阵大小为512×512。T2WI:TR=6240ms,TE=94ms。T2-Flair序列:TR=8400ms,TE=150ms。OAx T1 FS+C序列:TR=1850ms,TE=20ms。注药方式:选择患者肘前静脉为注射入路,以2.0m L/s的速度注射钆喷酸葡胺（Gd-DTPA）对比剂,注射剂量为0.1mmol/Kg,随后以相同速度注射生理盐水20m L。重新设置上述序列,激励次数为2次。图像采集完毕后上传至后处理工作站（ADW4.6）及影像图像存档和通信系统（picture archiving and communication systems,PACS）。磁共振波谱数据采集在后处理工作站上进行。将磁共振波谱原始数据导入工作站中,由软件自动处理完成采集框内脑代谢物信息分析。根据T1增强图像确定肿瘤强化最明显部位,将ROI置于此处,计算并获取该体素内MRS图像。根据计算机测量结果,统计患者Ch/Cr（胆碱/肌酸）、Ch/NAA（胆碱/N-乙酰天门冬氨酸）及NAA/Cr数据。构建预测模型:将总样本按3:1的比例分为训练集和验证集,训练集共51例患者,验证集共17例患者。采用单因素logistic回归分析在训练集中筛选预测变量,选择P＜0.2的自变量作为预测变量用于构建诺莫图预测模型。采用受试者工作特征曲线（ROC）、决策曲线分析（decision curve analyse,DCA）和校准曲线评价分析预测模型的效能。模型的构建及验证在R语言中进行,“car”程序包用于logistics回归分析,“rms”程序包用于构建诺莫图模型,“p ROC”程序包用于受试者工作特征曲线（ROC）分析,“Decision Curve”程序包用于绘制临床决策曲线。结果68例患者均经病理确诊并于术前完成MRS检查。经单因素logistic回归分析,共得到4个预测变量,分别为年龄（P=0.081）、Ch/Cr（P=0.155）、Ch/NAA（P=0.017）、NAA/Cr（P=0.044）。基于预测变量建立诺莫图预测模型,训练集AUC值为0.777（特异度0.769,敏感度0.76）,验证集AUC值为0.806（特异度0.556,敏感度1）。训练集校准曲线及临床决策曲线评价模型效果良好,但验证集校准曲线出现较大波动。结论基于磁共振波谱成像的诺莫图预测模型在鉴别高级别和低级别胶质瘤方面具有良好的诊断效果,对指导临床决策具有一定的净获益。