CT影像组学在预测肺癌表皮生长因子受体突变中的应用价值

• 作者: 王希明 胡春洪 胡粟 诗涔 郁义星
• 来源期刊: 中华医学杂志
• 关键词: 肺肿瘤 体层摄影术,X线计算机 受体,表皮生长因子 影像组学
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 临床研究
• 页码范围: 690-695
• 页数: 6页
• 语种: 中文
• DOI: 10.3760/cma.j.issn.0376-2491.2020.09.009

摘要

目的 探讨CT影像组学定量特征在预测肺癌表皮生长因子受体(EGFR)突变中的价值.方法 回顾性分析2013年9月至2018年10月在苏州大学附属第一医院确诊的144例有EGFR基因检测结果的肺癌患者的资料,男75例、女69例,中位年龄54 (25～68)岁.其中,EGFR突变型81例,男39例、女42例,中位年龄52 (25～64)岁;EGFR野生型63例,男36例、女27例,中位年龄56(32～68)岁.按照2:1的比例随机分配为训练组和验证组.利用MaZda软件提取影像组学特征包括灰度直方图(GLH)、绝对梯度(GRA)、灰度共生矩阵(GLCM)、灰度游程矩阵(GLRLM)、自回归模型(ARM)和小波变换(WAV)等特征.采用费希尔参数法(Fisher)、分类错误率联合平均相关系数法(POE+ACC)和相关信息测度法(MI)3种特征选择方法对提取的定量特征进行筛选,分别选择10个相关的最优特征,得到最优特征子集.然后用线性判别分析法(LDA)和非线性判别分析法(NDA)对三组最优特征子集进行分析,计算出其鉴别肺癌EGFR突变型与野生型的准确度、敏感度和特异度,利用人工神经网络(ANN)对训练组准确度最高的最优特征子集建立预测模型,并利用建立的预测模型,对验证组肺癌EGFR突变型与野生型进行鉴别诊断.结果 MaZda软件提取训练组肺癌EGFR突变型与野生型图像定量特征,一共301个.Fisher-NDA和(POE+ACC)-NDA法选择的最优特征子集鉴别肺癌EGFR突变型与野生型的准确度最高,为93.8％.Fisher-NDA法最优特征子集预测模型鉴别验证组中肺癌EGFR突变型与野生型的准确度、敏感度和特异度分别为83.3％、86.7％和77.8％.结论 CT影像组学最优特征子集在预测肺癌EGFR突变中有较高的准确度,为预测肺癌基因表达提供了一种新的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡春洪	苏州大学附属第一医院放射科苏州大学影像医学研究所	320	1630	16.0	21.0
2	王希明	苏州大学附属第一医院放射科苏州大学影像医学研究所	51	325	9.0	15.0
3	胡粟	苏州大学附属第一医院放射科苏州大学影像医学研究所	72	399	11.0	15.0
4	郁义星	苏州大学附属第一医院放射科苏州大学影像医学研究所	17	84	5.0	9.0
5	诗涔	苏州大学附属第一医院放射科苏州大学影像医学研究所	5	59	3.0	5.0