目的:探讨基于弥散张量成像的放射基因组学模型对胶质瘤p53表达状态的预测效能。方法:回顾性分析2014年8月至2020年1月于中国医科大学附属第一医院经病理证实的脑胶质瘤患者64例,其中p53突变型30例,p53野生型34例。所有患者均于术前行常规及弥散张量（DTI）磁共振扫描。对各序列DICOM图像采用MRIcron软件转换格式后进行配准,对配准后的图像在A.K软件上重采样至5×5×5 mm3。在ITK-SNAP软件上对T2WI图像逐层勾画包括肿瘤实质及瘤周水肿在内的异常高信号区域,即感兴趣区（ROI）,各层ROI形成感兴趣体积（VOI）。将T2WI图像中的VOI复制到ADC图及FA图上。使用A.K软件进行特征提取,并采用Spearman相关性分析及最小绝对收缩和选择算法（LASSO）进行特征降维后建立Logistic回归模型。采用受试者工作特征曲线（ROC）评价各模型对胶质瘤p53表达状态的预测效能。采用独立样本t检验、χ2检验或Mann-Whitney U检验对患者的年龄、性别、WHO分级等临床资料以及各模型所选特征在突变型p53组和野生型p53组间的差异性进行统计学分析,并对多重假设检验进行Bonferroni校正。双尾p值<0.05表明差异有统计学意义。结果:突变型p53组与野生型p53组患者在年龄、性别、胶质瘤WHO分级方面均无统计学差异。从每个MRI序列各提取了391个特征,经过特征筛选后从T2WI序列、ADC图及FA图中分别选择了11、14和10个特征。对各序列所选特征进行mut p53组和wt p53组间比较,在T2WI中,所选特征均无统计学差异;在ADC图中,有2个特征有统计学差异（p<0.05）,即Cluster Shade＿All Direction＿offset1＿SD、High Grey Level Run Emphasis＿All Direction＿offset1＿SD;在FA图中,有4个特征有统计学差异（p<0.05）,即Variance、Kurtosis,GLCMEntropy＿All Direction＿offset7＿SD、Short Run Emphasis＿angle45＿offset4。经Bonferroni校正后,仅FA图中有1特征在mut p53组和wt p53组间有统计学差异,即GLCMEntropy＿All Direction＿offset7＿SD（p<0.005）。通过ROC曲线来评估各模型的预测效能。在训练集中,由T2WI序列、ADC图、FA图所构建的放射基因组学模型的AUC值分别为0.816、0.834、0.822;在测试集中,由T2WI序列、ADC图、FA图所构建的影像组学模型的AUC值分别为0.747、0.758、0.798。结论:本研究表明基于弥散张量成像的放射基因组学模型可能有效且无创地对胶质瘤p53表达状态进行初步预测,有望为临床胶质瘤患者是否应用化疗药物替莫唑胺（TMZ）提供一定的参考价值。