摘要

目的纹理分析可以反映肉眼难以察觉到的肿瘤内异质性。本研究旨在评估CT纹理分析技术鉴别结直肠癌患者KRAS基因突变状态的可行性。方法回顾性纳入92例经病理证实且术前接受了腹部增强CT检查的结直肠癌患者。将患者分为训练集(n=51)和验证集(n=41)。使用TexRad纹理分析软件在选定的轴位CT图像上肿瘤区域放置感兴趣区,获得基于不同空间缩放因子(spatial scaling factor, SSF)的特征性纹理参数值,包括均值(mean)、标准差(SD)、熵值(entropy)、偏度值(skewness)、峰值(kurtosis)和正像素均值(mean of positive pixels, MPP)。比较训练集和验证集KRAS突变型患者和野生型患者的CT图像纹理参数值和临床特征(年龄,性别,肿瘤位置,组织病理学,肿瘤大小,TNM分期)。使用皮尔森相关系数计算所有纹理特征的相关性。若某两个纹理特征具有显着的相关性,则删掉较低曲线下面积(area under the curve, AUC)的特征值;纳入最具区分性的单一特征参数,并组合以训练多特征的支持向量机分类器。使用受试者工作特征曲线(receiver operating characteristic, ROC)法评估纹理参数对鉴别结直肠癌患者KRAS突变型与野生型的诊断效能。结果在训练集和验证集中,KRAS突变型与野生型患者两组之间的临床特征均无显着差异(P>0.05)。预测结直肠癌患者KRAS突变的最佳模型包括6个纹理特征值,分别是平扫CT中SSF 5的偏度值、SSF 2的熵值、SSF 0的偏度值和峰度值,以及增强CT中SSF3的峰度值和均值。以此建立的诊断模型在训练集中诊断患者KRAS基因突变的曲线下面积为0.951(95%CI:0.895~1,P <0.001),当阈值为0.46时,诊断灵敏度为88.9%,特异度为91.7%。应用于验证集中的曲线下面积为0.995(95%CI:0.982~1, P<0.001),当阈值为0.28时,诊断KRAS突变的灵敏度和特异度分别为100%和93.7%。结论利用CT纹理分析技术评估结直肠癌患者KRAS突变状态是可行的。

  • 单位
    中国医学科学院北京协和医学院; 北京协和医院