影像形态学及组学特征联合临床指标预测NSCLC基因突变

摘要：

目的 探讨基于影像形态学及组学特征的临床综合预测模型在非小细胞肺癌(NSCLC)表皮生长因子受体(EGFR)基因突变中的预测价值.方法 回顾性分析151例病理证实为NSCLC患者术前CT及临床资料,提取CT图像上的肿瘤病灶影像组学特征,采用Logistic回归分析建模,比较临床模型、影像组学标签和综合预测模型对基因突变状态的预测效能.结果 构建的组学标签和年龄、性别、吸烟状态、毛刺征等因素与EGFR突变相关.影像组学标签可以区分EGFR突变状态,曲线下面积(AUC训练集=0.864,AUC验证集=0.831),结合临床模型(AUC训练集=0.720,AUC验证集=0.742)后的综合预测模型(AUC训练集=0.893,AUC验证集=0.846)可提高EGFR状态的预测效能.结论 联合影像组学信息(形态基础特征、一阶统计特征、灰度共生矩阵特征、灰度运行长度矩阵特征和灰度区域大小矩阵特征等)和临床特征的综合预测模型可较好预测EGFR突变,为术前治疗方案的选择提供决策支持.

关键词：非小细胞肺癌、表皮生长因子受体、影像组学、机器学习

所属期刊栏目：40

分类号：R734.2;TP391.41;R587.1

资助基金：国家自然科学基金81400058

在线出版日期：2021-07-06（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：485-490