多模态MRI影像组学模型预测非小细胞肺癌脑转移瘤EGFR突变状态的研究

摘要

目的：本研究旨在评估多模态MRI影像组学在预测非小细胞肺癌（NSCLC）脑转移患者表皮生长因子受体（EGFR）突变情况中的效用，以期为个体化靶向治疗提供影像学支持。方法：回顾性纳入2016年1月—2022年5月我院就诊的97例NSCLC脑转移患者为研究对象（50例突变型，47例野生型）。随机数字表法分为训练组（40例突变型和38例野生型）和测试组（10例突变型和9例野生型）。采用病案系统收集患者治疗前头颅MRI平扫+增强检查的影像学及相关临床资料，提取其T₁WI增强、表观扩散系数（ADC）及T₂液体衰减反转恢复序列（T₂-FLAIR）的影像组学特征；运用方差选择法、单变量选择法等方法进行降维与筛选；利用筛选后的特征，构建支持向量机（SVM）、随机森林（RF）和逻辑回归（LR）三种分类器，以建立影像组学预测模型；通过受试者工作特征（ROC）曲线评估模型对EGFR突变状态的预测效能。结果：基于T₁WI增强、ADC及T₂-FLAIR的影像联合序列中LR预测效能最佳，训练组ROC曲线下面积（AUC）、敏感度、特异度和准确率分别为0.854,78%,74%及69%，而测试组AUC、敏感度、特异度和准确率分别为0.833、83%、71%及71%;T₁WI增强及T₂-FLAIR影像组学模型预测效果均表现优良，而ADC模型效果相对不理想。结论：T₁WI增强及T₂-FLAIR影像组学模型可用于预测EGFR的突变状态，其中逻辑回归联合分类器在测试集中表现出最优预测效能，为组织检测受限的脑转移患者提供了EGFR突变状态的无创预测工具。

关键词

癌,非小细胞肺 / 脑肿瘤 / 肿瘤转移 / 磁共振成像