CT影像组学在预测肺腺癌ALK融合基因表达中的价值初探

作者：宋兰; 朱振宸; 姜蕾; 赵伦; 杨青霖; 隋昕; 杜华阳; 吴焕文; 李霁; 李秀丽; 宋伟^*; 金征宇

来源：中华放射学杂志, 2019, 53(11): 963-967.

DOI：10.3760/cma.j.issn.1005?1201.2019.11.007

• 肺肿瘤
• 影像组学
• 体层摄影术,X线计算机
• 间变性淋巴瘤激酶

目的 探讨CT影像组学定量特征在预测肺腺癌间变性淋巴瘤激酶(ALK)融合基因表达中的价值。方法 回顾性分析2015年11月至2018年5月北京协和医院有ALK基因检测结果且术前接受本院胸部CT检查的195例肺腺癌患者(其中ALK突变患者60例)。使用肺结节自动检测分割算法在CT图像上标注病变的三维容积感兴趣区(VOI)。利用PyRadiomics工具对所有VOI区域进行重采样、图像预处理(包括基于小波和拉普拉斯滤波器的预处理方法)和特征提取。在Dr.Wise科研平台上对已提取的特征进行标准化处理,并分别基于不同图像预处理方式及不同特征类型筛选关键特征,用多因素logistic回归建模和10次5折交叉验证法进行验证。采用ROC评价模型对ALK基因突变的预测能力,并使用DeLong比较不同模型的效能。结果 每个病灶共提取1 232个影像组学特征。在特征筛选后共纳入15个组学特征建模,在训练集和验证集中模型预测ALK基因突变的AUC分别是0.88和0.78。分别基于原始CT图像、小波处理后图像和拉普拉斯高斯滤波器处理后图像的组学特征建模时,在验证集中模型的AUC分别为0.76、0.75和0.76。这3组模型与全部特征联合建模模型的效能相比差异均无统计学意义(P>0.05)。以不同类型的组学特征建模,一阶特征和灰度共生矩阵(GLCM)纹理特征预测ALK基因突变能力较好,其中GLCM特征模型最优,在验证集中的AUC为0.83,准确率、敏感度和特异度分别为0.74、0.85和0.69；一阶特征模型在验证集中的AUC为0.80。结论 CT影像组学定量特征在预测肺腺癌ALK融合基因表达中有较大的应用价值。

• 单位
  中国医学科学院北京协和医院; 烟台毓璜顶医院