基于肺部CT生境模型预测表皮生长因子受体突变型肺腺癌脑转移

作     者：林丽娟 林颖 吴滟清 林香 郭伟 宋阳 陈德华 LIN L ijuan;LIN Ying;WU Yanqing;LIN Xiang;GUO Wei;SONG Yang;CHEN Dehua

作者机构：福建医科大学附属第一医院医学影像科福建福州350005 福建医科大学附属第一医院滨海院区国家区域医疗中心医学影像科福建福州350212 西门子医疗系统有限公司磁共振科研市场部上海200126 

出 版 物：《中国介入影像与治疗学》 (Chinese Journal of Interventional Imaging and Therapy)

年 卷 期：2024年第21卷第7期

页      面：408-413页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100214[医学-肿瘤学] 100106[医学-放射医学] 100602[医学-中西医结合临床] 10[医学] 

基　　金：福建省自然科学基金资助项目(2020J01965) 

主　　题：肺肿瘤 脑肿瘤 腺癌 受体 表皮生长因子 体层摄影术 X线计算机 影像组学 

摘      要：目的观察基于肺部CT生境模型预测表皮生长因子受体(EGFR)突变型肺腺癌脑转移(BM)的价值。方法回顾性分析198例EGFR突变型肺腺癌患者肺部平扫CT资料,按7∶3比例将其分为训练集(n=138)与测试集(n=60)并进一步划分BM亚组与非BM亚组。筛选训练集亚组间差异有统计学意义的变量构建逻辑回归(LR)临床模型;分别于瘤体及瘤体亚区提取特征,基于随机森林、高斯过程(GP)及支持向量机(SVM)算法构建影像组学及生境模型并筛选其中泛化能力最佳者,基于泛化能力最佳影像组学、生境模型及临床模型预测值构建LR联合模型;绘制受试者工作特征曲线,计算曲线下面积(AUC),评估各模型预测EGFR突变型肺腺癌BM的效能,以Spearman相关分析观察EGFR突变型肺腺癌Ki-67水平与生境特征的相关性。结果LR临床模型、GP影像组学模型、SVM生境模型及LR联合模型预测训练集EGFR突变型肺腺癌BM的AUC分别为0.700、0.726、0.801及0.834,在测试集分别为0.754、0.600、0.715及0.848。LR联合模型在训练集的AUC高于LR临床模型(P0.001)、在测试集的AUC高于GP影像组学模型(P=0.010);其在训练集的效能相比GP影像组学模型及SVM生境模型均有显著正向提高[综合判别改善指数(IDI)=8.60%、8.55%,P均0.001]。EGFR突变型肺腺癌Ki-67水平与生境图谱中的habitatmap_original_glszm_lalgle呈低度正相关(│rs│=0.201,P=0.004)。结论基于肺部CT生境模型可有效预测EGFR突变型肺腺癌BM。