目的 构建并验证用于术前预测胶质瘤端粒酶逆转录酶（TERT）基因突变状态的可解释机器学习模型。方法 回顾性收集2019年1月至2025年1月宁波大学附属第一医院收治的高级别胶质瘤患者100例，按7∶3比例分为训练集和验证集，分别应用XGB、RF、LGBM、KNN和GBDT机器学习算法进行建模，并通过SHAP方法评估模型可解释性。结果 5种模型准确率0.667～0.740，其中LGBM最高（0.740），XGB和RF次之（0.733），XGB精确率最佳（0.741）。综合各项指标，XGB模型整体性能最优，LGBM和RF也具有较好预测能力，而GBDT和KNN相对表现较弱。结论 XGB可解释机器学习模型可在术前无创预测高级别胶质瘤TERT基因突变状态。
戴许豪,马瑞爽,葛小琴,胡雨晴,朱挺,任江平,杨继明,周瑛瑛,陶庆松.基于MRI影像组学的胶质瘤TERT基因突变状态预测模型的构建与验证[J].现代实用医学,2026,38(1):24-27.
