基于薄层CT的影像组学模型对非小细胞肺癌EGFR DEL19和L858R敏感性突变的预测价值

作者：惠俊国; 翁巧优; 刘妍; 高瑞杰; 杨伟斌; 王祖飞; 纪建松^*

来源：中国中西医结合影像学杂志, 2023, 21(03): 227-233.

• 癌,非小细胞肺
• 表皮生长因子受体
• 影像组学
• 列线图

目的：构建基于术前薄层CT平扫图像的影像组学模型，探讨该模型对非小细胞肺癌（NSCLC）患者EGFR DEL19和L858R敏感性突变的预测价值。方法：回顾性分析149例EGFR敏感性突变（DEL19突变63例，L858R突变86例）的NSCLC患者治疗前CT平扫图像及临床资料；将患者按照6∶4的比例分为训练集（104例，其中DEL19突变44例，L858R突变60例）和验证集（45例，其中DEL19突变19例，L858R突变26例）。用ITK-SNAP软件手动分割CT平扫图像的高密度病灶，用A.K.软件提取影像组学特征，采用最小绝对收缩与选择算子算法（LASSO）进行特征筛选。以多因素logistic回归分析分别建立影像组学模型、临床模型及影像组学特征与临床特征结合的联合模型，采用ROC曲线及列线图评估各模型预测EGFR DEL19和L858R敏感性突变的效能。结果：在薄层CT图像中提取396个影像组学特征，利用LASSO法降维及10倍交叉验证法筛选得到4个纹理参数，即标准差、集群突出物＿角度0＿偏移4、相关性＿角度0＿偏移7、相关性＿角度90＿偏移4，根据以上4个参数及其对应系数值计算得到相应影像组学评分，并将其作为独立特征纳入模型构建。筛选得到3个临床特征（性别、病灶位置、坏死）与突变亚型相关（P<0.05），并纳入模型构建。验证集中影像组学模型的AUC为0.698(95%CI 0.543～0.826)，敏感度为73.7%，特异度为61.5%；联合模型的AUC为0.874(95%CI 0.742～0.954)，敏感度为84.2%，特异度为88.5%，显著提高了模型的预测效能，与影像组学模型相比，差异有统计学意义（P=0.004）。结论：基于CT平扫图像构建的影像组学模型可预测NSCLC患者EGFR DEL19和L858R敏感性突变亚型，结合临床特点，提高了影像组学模型的诊断效能。基于CT组学的生物标志物可作为区分EGFR DEL19和L858R突变亚型的潜在工具，具有高度的敏感度、特异度和准确率。

• 单位
  温州医科大学; 浙江大学丽水医院; 丽水市中心医院