基于多参数磁共振成像特征的深度学习预测直肠癌患者的BRAF基因突变状态

作     者：胡鸿博 赵升 姜昊 张莹 姜慧杰 HU Hongbo;ZHAO Sheng;JIANG Hao;ZHANG Ying;JIANG Huijie

作者机构：哈尔滨医科大学附属第二医院放射科哈尔滨150086 哈尔滨医科大学药学院药理教研室哈尔滨150086 

出 版 物：《磁共振成像》 (Chinese Journal of Magnetic Resonance Imaging)

年 卷 期：2025年第16卷第1期

页      面：22-28页

核心收录：

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] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100214[医学-肿瘤学] 10[医学] 

基　　金：国家自然科学基金面上项目(编号:62171167) 

主　　题：直肠癌 磁共振成像 影像特征 深度学习 鼠类肉瘤病毒癌基因同源物B基因 卷积神经网络 影像组学模型 

摘      要：目的探讨鼠类肉瘤病毒癌基因同源物B基因(B-Raf proto-oncogene serine/threonine kinase,BRAF)突变状态与直肠癌患者生存率的相关性。本研究旨在评估影像组学模型预测结直肠癌患者BRAF基因突变情况的可行性。材料与方法对我院2020年6月至2023年6月确诊为直肠癌的患者病例资料进行回顾性分析,采用外显子测序鉴定BRAF基因突变状态。通过生存分析评估BRAF基因突变与直肠癌预后的关系。从260名接受多参数MRI的直肠癌患者中提取7388个特征模块,包括术前T1加权图像(T1-weighted imaging,T1WI)、T2加权图像(T2-weighted imaging,T2WI)和对比增强T1加权图像(contrast-enhanced T1-weighted imaging,CE-T1WI)。随后,基于卷积神经网络(convolutional neural network,CNN)构建了放射组学模型。通过受试者工作特征曲线(receiver operating characteristic,ROC)曲线、准确率、敏感度和特异度等指标评估模型效能。结果本研究共纳入89例BRAF突变患者和171例BRAF野生型患者。两组在肿瘤恶性分期、年龄、性别等临床特征上差异无统计学意义(P0.05),但5年生存率差异存在统计学意义,BRAF突变组生存期低于BRAF野生型组(P0.001)。所构建模型的ROC曲线下面积(area under the curve,AUC)为0.929,与病理结果一致性分析的Kappa统计量为0.87,表明模型具有较高的预测价值。结论基于CNN的放射组学特征模型在区分直肠癌患者BRAF突变状态方面表现优异,为未来无创筛查BRAF突变状态提供了新的研究思路。