基于T1WI增强影像组学模型预测非小细胞肺癌原发灶EGFR突变的价值研究

作者：黄锦祥; 陈杰云^*

来源：磁共振成像, 2023, 14(11): 42-47.

• 脑转移瘤
• 非小细胞肺癌
• 影像组学
• 磁共振成像
• 表皮生长因子受体

目的 探讨基于非小细胞肺癌（non-small cell lung cancer, NSCLC）脑转移瘤T1WI增强影像组学模型预测NSCLC原发灶表皮生长因子受体（epithelial growth factor receptor, EGFR）突变状态的预测价值。材料与方法 回顾性分析97例NSCLC脑转移患者治疗前的头颅MRI平扫+增强检查的影像学资料（50例EGFR突变型，47例EGFR野生型），按8∶2随机分为训练组和测试组。从T1WI增强的横断位、冠状位、矢状位中提取影像组学特征，依次使用方差选择法（VarianceThreshold）、单变量选择法（SelectKBest）及最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）对影像组学特征进行降维及筛选，经过支持向量机（support vector machines, SVM）和逻辑回归（logistic regression, LR）分类器建模后，用5折法进行交叉验证，最后在测试组对预测模型效能进行评估，绘制训练组和测试组受试者工作特征（receiver operating characteristic, ROC）曲线评估预测效能，用DeLong检验比较各模型间的差异。结果 T1WI增强横断位、冠状位和矢状位影像组学模型测试组AUC最高分别可达到0.64、0.68和0.80。联合序列模型测试组AUC可达到0.84，其中LR分类器预测效能最佳，训练组AUC、敏感度、特异度和准确率分别为0.86、74%、75%和76%，测试组AUC、敏感度、特异度和准确率分别为0.84、80%、78%和80%，各模型间DeLong检验差异无统计学意义（P>0.05）。结论 基于T1WI增强横断位、冠状位、矢状位的影像组学模型可以预测EGFR突变状态，联合序列的LR分类器模型预测效能最佳，有助于指导临床合理选择靶向药物治疗及实现个体化精准医学。

• 单位
  福建医科大学附属漳州市医院; 福建医科大学附属泉州第一医院