基于CT影像组学列线图预测肺腺癌EGFR突变的研究

目的 探讨基于胸部平扫CT的影像组学列线图术前预测肺腺癌表皮生长因子受体(EGFR)基因突变状态的价值.方法 回顾性分析经病理证实的183例肺腺癌的临床及胸部平扫CT影像资料,包括EFGR突变型(110例)及EGFR野生型(73例).评估每位患者的病灶CT特征.勾画整个病灶的三维容积感兴趣区(VOI).将所有患者的重建肺窗图像及病灶的VOI上传至"医准-达尔文"智能科研平台,按照7:3比例分成训练组(128例)及验证组(55例).采用最大绝对值归一化、最小收缩、最优特征筛选、迭代筛选及选择算子(LASSO)算法对数据进行降维处理,计算影像组学分数(Rad-score),建立影像组学模型.运用单因素及多因素Logistic回归分析,筛选具有显著预测价值的临床-影像独立影响因素,建立临床模型.将具有显著预测价值的临床-影像独立影响因素及Rad-score通过Logistic回归,得到影像组学列线图模型.通过ROC曲线和校准曲线评估3个模型的诊断效能.结果 最终筛选出11个影像组学特征构建影像组学分数.多因素Logistic回归分析结果显示吸烟史、胸膜牵拉及影像组学评分是肺腺癌患者EGFR基因突变的独立危险因素.ROC曲线分析训练组及验证组中影像组学列线图模型曲线下面积最大,分别为0.816(95％CI:0.743～0.890)、0.830(95％CI:0.720～0.941),相较于临床模型与影像组学模型对肺腺癌EGFR基因突变的预测效能更好.Hosmer-Lemeshow检验显示训练组及验证组的影像组学列线图预测模型与真实结果没有显著差异(P＞0.05).结论 基于CT的影像组学评分联合临床-影像独立危险因素构成的影像组学列线图能够在术前有效预测肺腺癌EGFR基因突变状态.