影像组学结合临床对非小细胞肺癌基因状态的预测
目的 探讨影像组学特征在非小细胞肺癌EGFR基因突变中的预测价值.方法 回顾性分析127例病理证实为非小细胞肺癌患者的PET/CT及临床实验室资料,对CT和PET图像上的肿瘤病灶进行手动分割并提取影像组学特征,以EGFR突变状态进行分组,采用t检验、Wilcoxon rank-sum检验及卡方分析分析组间影像组学特征及临床特征的差异.采用Logistic回归分析建模,比较影像组学模型、临床模型、联合模型对基因状态的预测价值.结果 EGFR突变与年龄、大小、最大标准摄取值(SUVmax)、癌胚抗原(CEA)无显著相关(P＞0.05),与吸烟史、性别、糖类抗原125 (CA125)显著相关(P＜0.05).CT影像组学模型可以区分EGFR状态[曲线下面积(AUC)=0.775],结合该模型与临床特征(AUC=0.786)可以提高预测的准确性(AUC =0.867),但不具有显著性(P＞0.05).PET影像组学模型可以很好区分EGFR状态(AUC=0.819),结合临床模型(AUC=0.786),显著地提高了性能(AUC=0.927).结论 基因突变可以驱动不同的影像学表现,基于影像组学特征和临床特征的高级生物标志物可能用于预测EGFR突变状态.
非小细胞肺癌、影像组学、表皮生长因子
38
R734.2;R556.9;R473
2019-08-05（万方平台首次上网日期，不代表论文的发表时间）
共5页
1033-1037
