CT影像组学在预测肺癌表皮生长因子受体突变中的应用价值

摘要：

目的:探讨CT影像组学定量特征在预测肺癌表皮生长因子受体（EGFR）突变中的价值。方法:回顾性分析2013年9月至2018年10月在苏州大学附属第一医院确诊的144例有EGFR基因检测结果的肺癌患者的资料，男75例、女69例，中位年龄54（25~68）岁。其中，EGFR突变型81例，男39例、女42例，中位年龄52（25~64）岁；EGFR野生型63例，男36例、女27例，中位年龄56（32~68）岁。按照2∶1的比例随机分配为训练组和验证组。利用MaZda软件提取影像组学特征包括灰度直方图（GLH）、绝对梯度（GRA）、灰度共生矩阵（GLCM）、灰度游程矩阵（GLRLM）、自回归模型（ARM）和小波变换（WAV）等特征。采用费希尔参数法（Fisher）、分类错误率联合平均相关系数法（POE+ACC）和相关信息测度法（MI）3种特征选择方法对提取的定量特征进行筛选，分别选择10个相关的最优特征，得到最优特征子集。然后用线性判别分析法（LDA）和非线性判别分析法（NDA）对三组最优特征子集进行分析，计算出其鉴别肺癌EGFR突变型与野生型的准确度、敏感度和特异度，利用人工神经网络（ANN）对训练组准确度最高的最优特征子集建立预测模型，并利用建立的预测模型，对验证组肺癌EGFR突变型与野生型进行鉴别诊断。结果:MaZda软件提取训练组肺癌EGFR突变型与野生型图像定量特征，一共301个。Fisher-NDA和（POE+ACC）-NDA法选择的最优特征子集鉴别肺癌EGFR突变型与野生型的准确度最高，为93.8%。Fisher-NDA法最优特征子集预测模型鉴别验证组中肺癌EGFR突变型与野生型的准确度、敏感度和特异度分别为83.3%、86.7%和77.8%。结论:CT影像组学最优特征子集在预测肺癌EGFR突变中有较高的准确度，为预测肺癌基因表达提供了一种新的方法。

关键词：肺肿瘤、体层摄影术，X线计算机、受体，表皮生长因子、影像组学

所属期刊栏目：100

资助基金：国家自然科学基金81801692;国家重点研发计划2017YFC0114300;苏州市"科教兴卫"青年科技项目KJXW2017005;苏州市民生科技示范工程SS201808;National Natural Science Foundation of China81801692;National Key R&D Program of China2017YFC0114300;Youth Science and Technology Project of "Promoting Health through Science and Education" in SuzhouKJXW2017005;Suzhou Science and Technology Demonstration ProjectSS201808

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：690-695