10.3760/cma.j.cn321828-20220109-00008
18F-FDG PET/CT影像组学预测非小细胞肺癌患者表皮生长因子受体基因突变亚型
目的:探讨基于治疗前
18F-FDG PET/CT的影像组学模型在识别非小细胞肺癌(NSCLC)患者表皮生长因子受体(EGFR)突变亚型中的价值。
方法:回顾性纳入2015年1月至2019年11月间于河北医科大学第四医院诊治的172例EGFR突变型NSCLC患者[男54例、女118例;年龄(56.2±12.5)岁],其中外显子19缺失突变75例,外显子21 L858R错义突变97例。采用随机数字表法,按7∶3比例将患者分为训练集(121例)与验证集(51例)。使用LIFEx 4.00软件提取病灶的PET/CT影像组学特征,采用最小绝对收缩和选择算子(LASSO)算法进行特征筛选。构建3种机器学习模型:逻辑回归模型、随机森林模型、支持向量机模型,采用ROC曲线分析评估3种模型的预测效能,并采用决策曲线分析评估模型的临床价值。结果:经LASSO算法最终筛选出9个组学特征,包括6个PET特征[直方图(HISTO)_峰度(Kurtosis)、形状特征(SHAPE)_球形度(Sphericity)、灰度游程长度矩阵(GLRLM)_低灰度运行重点(LGRE)、GLRLM_运行长度不均匀性(RLNU)、邻域灰度差异矩阵(NGLDM)_对比度(Contrast)、灰度区域长度矩阵(GLZLM)_低灰度短区重点(SZLGE)],3个CT特征[灰度共生矩阵(GLCM)_相关性(Correlation)、GLRLM_运行百分比(RP)、NGLDM_Contrast]。构建的3种机器学习模型在训练集与验证集中表现出相似的预测性能:随机森林模型AUC分别为0.79、0.77;支持向量机模型AUC分别为0.76、0.75;逻辑回归模型AUC分别为0.77、0.75。决策曲线分析显示,3种模型均具有较好的净获益与临床价值。结论:基于
18F-FDG PET/CT的影像组学模型为识别NSCLC患者EGFR外显子19缺失与外显子21 L858R错义突变提供了非侵入性的方法,可辅助临床决策及制定个体化治疗方案。
癌,非小细胞肺、突变、基因,erbB-1、正电子发射断层显像术、体层摄影术,X线计算机、氟脱氧葡萄糖F18、预测、影像组学
43
河北省医学适用技术跟踪项目GL2011-52;Hebei Medical Applicable Technology Tracking ProjectGL2011-52
2024-01-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
480-485