目的:探讨基于腰椎椎体MRI影像组学列线图模型对多发性骨髓瘤和溶骨性转移瘤的鉴别诊断价值。研究方法:本研究纳入从2008年6月至2022年6月于青岛大学附属医院就诊的273名腰椎多发性骨髓瘤(Multiple myeloma,MM)与溶骨性转移瘤(Osteolytic metastasis,OM)患者(训练集=190名,验证集=83名)。所有患者治疗前腰椎常规MRI扫描图像信息及临床信息完整。本研究基于临床信息和常规MRI影像学特征筛选腰椎MM与OM鉴别诊断独立风险因子,并构建临床模型验证其鉴别诊断效能。应用最小冗余最大相关算法-最小绝对收缩选择算子算法,对影像组学特征进行筛选,并构建4个影像组学标签(Radiomics signature,RS):(1)基于T_1WI的影像组学multiple mediation标签(T_1WI-RS);(2)基于T_2WI的影像组学标签(T_2WI-RS);(3)基于FS-T_2WI的影像组学标签(FS-T_2WI-RS);(4)基于T_1WI、T_2WI和FS-T_2WI结合的影像组学标签(Combined-RS)。结合鉴别诊Naporafenib浓度断效能最高的RS模型(Combined-RS)与临床模型,本研究构建了鉴别腰椎MM与OM的影像组学列线图模型。在本研究中,通过受试者工作曲线的曲线下面积(Area under curve,AUC)、准确度、校准曲线及决策曲线分析评估模型鉴别诊断效能和临床适用性。结果:临床信息与常规MRI影像学特征的单因素-多因素逻辑回归分析结果表明,是否累及椎弓根、T_1WI信号异质性、FS-T_2WI信号异质性和累及椎体节段4个常规MRI影像学特征被认定为对腰椎MM与OM具有鉴别诊断价值的风险因子。基于上述鉴别诊断风险因子构建的临床模型对腰椎MM与OM的鉴别诊断效能欠佳,在训练集中AUC为0.828[95%置信区间(selleckchem Roxadustatconfidence interval,CI):0.771–0.884],准确度为72.1%,在验证集中AUC为0.686(95%CI:0.573-0.799),准确度为62.7%。4个RS模型中,Combined-RS模型具有最好的鉴别诊断效能,在训练集中AUC为0.969(95%CI:0.946-0.992),准确度为92.1%,在验证集中AUC为0.856(95%CI:0.777-0.935),准确度为77.1%,高于T_1WI-RS模型(训练集AUC为0.939,95%CI为0.906–0.971,准确度为85.8%;验证集AUC为0.729,95%CI为0.620-0.838,准确度为63.9%)、T_2WI-RS模型(训练集AUC为0.934,95%CI为0.899–0.968,准确度为87.9%;验证集AUC为0.781,95%CI为0.684-0.879,准确度为67.5%)和FS-T_2WI-RS模型(训练集AUC为0.914,95%CI为0.874–0.954,准确度为85.3%;验证集AUC为0.830,95%CI为0.774-0.916,准确度为72.3%)。影像组学列线图模型具有最好的鉴别诊断效能,在训练集中AUC为0.980(95%CI:0.964-0.996),准确度为94.7%,在验证集中AUC为0.860(95%CI:0.777-0.944),准确度为77.3%,高于临床模型与表现最好的RS模型(Combined-RS模型)。校准曲线显示影像组学列线图模型在训练集和验证集中都达到了优秀的校准效果。决策曲线分析结果显示影像组学列线图模型比其他两种模型具有更好的临床适用性。结论:基于腰椎椎体MRI影像组学列线图模型在鉴别MM和OM具有良好的性能,并可为临床治疗策略制定提供有效的信息。