研究背景宫颈癌占女性肿瘤的12%,是成人第四高发肿瘤,同时也是包括中国在内的发展中国家中导致女性死亡的第二大肿瘤。脉管浸润（Lymph-vascular space invasion,LVSI）是指肿瘤癌栓出现在淋巴管或者/和血管中,它是肿瘤向周围组织浸润转移的重要一步,同时也是宫颈癌的预后不良因素之一。假如宫颈癌术前可以预测是否存在脉管浸润,那么就可以采取更多保留子宫的手术方式。MRI是宫颈癌诊断和分期的重要检查手段,它可以显示肿瘤的位置、大小、周围组织的浸润情况和判断是否存在淋巴结转移。但是对于脉管浸润,目前还无法从肉眼进行分辨。影像组学（Radiomics）是将医学影像转化为高通量的数据资料,并通过提取影像特征,定量分析处理影像特征,为临床决策提供依据的方法。它可以用于肿瘤的定性、分级分期、基因分析、疗效评估和预后预测等。那么是否可以使用影像组学的方法来术前预测LVSI的存在?目的本研究的主要目的是采用影像组学的方法,通过提取宫颈癌治疗前磁共振增强图像的特征,将其与临床术前病例资料相结合,建立一个可以准确预测宫颈癌是否存在LVSI的诺莫图（Nomogram）预测模型,并对其进行验证。方法作为回顾性研究,在2013年12月和2017年9月之间满足入组条件的病人将被纳入研究中。首先,图像分割是由一名放射科医生手动圈画肿瘤的感兴趣区域和另一名高年资放射科医生复核分割区域共同完成的。然后,使用曼-惠特尼秩和检验和卡方检验来评价临床参数和病理结果显示的LVSI状态。之后,使用最小冗余/最大相关和递归式特征消除的方法来进行特征选择,以及使用逻辑回归的方法来建立影像组学预测模型。最后,通过受试者工作特征曲线（receiver operating characteristic,ROC）来评价磁共振预测模型和影像组学诺莫图的性能,同时,进一步计算ROC曲线下的面积（area under the curve,AUC）、特异度和敏感度来评价磁共振模型和影像组学诺莫图的预测能力。结果总共105名病人纳入该研究,并按照2:1的比例随机分为训练集和验证集。最终筛选出三个影像组学特征和一个临床指标。对于LVSI阳性组和阴性组,影像组学诺莫图表现出良好的预测区分效能。训练集的AUC为0.754（95%置信区间为0.6326-0.8745）,特异度为0.756,敏感度为0.828;验证集AUC为0.727（95%置信区间为0.5449-0.9097）,特异度为0.773,敏感度为0.692。结论本研究成功构建了将磁共振图像特征和临床参数相结合的影像组学诺莫图预测模型,实现了对于宫颈癌是否存在LVSI的术前预测,为日后宫颈癌的精准诊断与个体化治疗奠定了坚实的基础。