换一批多序列磁共振影像组学预测非小细胞肺癌脑转移患者EGFR突变状态
Multi-Sequence MRI Radiomics for Predicting EGFR Mutation Status in Non-Small Cell Lung Cancer with Brain Metastases
摘要目的 探讨基于非小细胞肺癌脑转患者多序列MRI结合影像组学预测脑转移病灶表皮生长因子受体(EGFR)突变状态的可行性.资料与方法 回顾性分析2017年1月1日—2023年12月31日在中南大学湘雅二医院接受EGFR基因检测的237例非小细胞肺癌脑转移患者,治疗前行颅脑增强T1WI序列、T2WI液体衰减翻转恢复序列、T2WI和肺部原发灶CT检查,其中EGFR突变120 例.根据截断日期(2021年 12月31日)将患者分为训练组146例和验证组91例.由高年资医师在多序列MRI影像上勾画脑转移灶,在CT影像上勾画原发病灶,然后基于PyRadiomics提取851个影像组学特征,经特征选择后使用支持向量机算法建立机器学习模型,并与最小绝对收缩与选择算子算法建立的影像组学标签比较,确定最优模型.共建立 5 种模型(3 种不同MRI序列模型、融合多序列MRI模型和CT影像模型),计算受试者工作特征曲线下面积,评估各预测模型的诊断效能.结果 在所有图像类型中,多序列MRI构建的模型性能均最优,在最小绝对收缩与选择算子及支持向量机算法模型训练组曲线下面积分别为0.854(95%CI 0.748～0.960)、0.948(95%CI 0.923～0.973),在验证组中分别为0.810(95%CI 0.751～0.869)、0.951(95%CI 0.917～0.985),最优EGFR突变状态预测模型为支持向量机算法结合多序列MRI.结论 基于治疗前多序列MRI影像组学结合机器学习能更精准地预测非小细胞肺癌脑转移患者EGFR突变状态.
更多相关知识
关键词
癌,非小细胞肺脑肿瘤肿瘤转移磁共振成像影像组学突变表皮生长因子受体Carcinoma,non-small-cell lungBrain neoplasmsNeoplasm metastasisMagnetic resonance imagingRadiomicsMutationEpidermal growth factor receptor
栏目名称
DOI
10.3969/j.issn.1005-5185.2025.11.004
发布时间
2025-12-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
湖南省自然科学基金项目（2024JJ9385）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
