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

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.