基于脑MRI的机器学习预测非小细胞肺癌T790M突变

摘要

目的 ：本研究基于脑部T₁C和T₂W MRI建立人工智能模型，预测肺癌脑转移患者在靶向治疗中的耐药性T790M突变。方法：本研究收集80例肺癌脑转移患者（2017年6月—2019年12月）的T₁C和T₂W MRI影像和临床数据进行回顾性分析（患者按照2∶1的比例分成训练集和测试集）。采用无监督k-means算法将肿瘤区域划分为高亮度区域和低亮度区域，提取不同区域的影像组学图像特征构建模型，评估每个模型的诊断效果。绘制受试者工作特征（Receiver operating characteristic,ROC）曲线，计算ROC曲线下面积（Area under curve,AUC）、特异性和敏感性作为模型评价指标，分析模型的潜在临床应用价值。结果：对T₁C和T₂W MRI和临床特征融合的统计计算表明，本研究建立的模型对T790M突变具有良好的预测能力，在训练集和测试集上的AUC分别为0.899和0.818。结论：本研究建立的计算机模型可以有效预测肺癌脑转移患者T790M突变，具有潜在的临床辅助诊断价值。

关键词

癌,非小细胞肺 / 脑肿瘤 / 肿瘤转移 / 磁共振成像