目的:探讨基于肿瘤原发灶、直肠系膜脂肪及盆部肌肉的影像组学预测模型术前对直肠癌预后的预测价值。方法:回顾性分析了2016年1月至2020年6月在吉林大学第一医院经术后病理证实的244例直肠腺癌患者,并以7:3的比selleck Adavosertib例随机分为训练集(170例)、测试集(74例)。收集患者临床资料及术前的直肠高分辨MR检查图像。对临床特征分别进行单因素、多因素COX回归分析后得到与直肠癌无病生存期(Disease-free survival,DFS)相关性最强的特征,并根据筛选后得到的特征建立临床模型。使用ITKSNAP软件在MR图像轴位T2WI序列及DWI序列中勾画直肠癌肿瘤原发灶,在轴位T2WI序列中勾画直肠系膜脂肪,在冠状位T2WI序列中勾画盆部肌肉(梨状肌、闭孔内肌、肛门括约肌复合体)。随后,使用RIAS软件对上述感兴趣区域(Region of interest,ROI)进行影像组学特征提取,逐步采用单因素COX回归、自研自相关算法Corr＿Group、LASSO COX回归、多因素COX回归进行特征降维并建立影像组学标签。分别基于肿瘤、肿瘤联合直肠系膜脂肪、肿瘤联合直肠系膜脂肪及盆部肌肉的影像组学标签建立了3个影像组学模型,简称为R1、R2、R3模型。基于肿瘤联合直肠系膜脂肪及盆部肌肉的影像组学标签融合临床特征建立了联合模型,并建立森林图及诺模图对联合模型可视化。通过Kaplan-Meier生存曲线验证影像组学标签与DFS之间的关系,并采用log-rank检验进行比较。同时,绘制了累计分布函数(Cumulative distribution function,CDF)图及受限平均生存时间(Restricted mean survival time,RMST)曲线。使用C-index及曲线下面积(Area under the curve,AUC)对模型预测价值进行评价,并使用校准曲线来判断模型预测概率与实际结果之间的一致性。结果:对于患者的临床信息,确定pN分期、CA-199、肿瘤浸润深度为与直肠癌预后显著相关的临床因素(P<0.05)。对术前MR图像中提取的影像组学特征进行筛选后,得到了基于肿瘤更多的8个影像组学特征、基于肿瘤联合直肠系膜脂肪的5个影像组学特征及基于肿瘤联合直肠系膜脂肪及盆部肌肉的8个影像组学特征,genetic manipulation并分别建立了三种影像组学标签。在训练集中,三种影像组学标签均与患者2年DFS显著相关(P<0.001),在测试集中,基于肿瘤及基于肿瘤联合直肠系膜脂肪的影像组学标签与患者2年DFS无显著相关(P=0.42),基于肿瘤联合直肠系膜脂肪及盆部肌肉的影像组学标签与患者2年DFS显著相关(P=0.0037)。在本研究建立的3个影像组学模型中,R3模型的预测性能最高,测试集C-index为0.697(95%CI:0.470-0.846),AUC值为0.73(95%CI:0.52-0.93)。R3融合临床特征的联合模型在所有5个模型中性能最高,测试集C-index为0.724(95%CI:0.493-0.875),AUC值为0.75(95%CI:0.56-0.94)。校准曲线分析显示,在模型预测概率与实际结果之间的一致性方面,R3模型优于R2模型及R1模型,联合模型优于临床模型。结论:基于直肠癌肿瘤原发灶、直肠系膜脂肪、盆部肌肉的MRI多目标影像组学特征对于直肠癌患者术后2年DFS具有较好的预测价值。将影像组学标签与临床特征联合可以进一步提高预后预测模型的效能。本研究可以在术前实现直肠癌患者的预后预测,有助于指导患者的个体化治疗。