临床放射学杂志2021，Vol.40Issue(3) ：485-490.

影像形态学及组学特征联合临床指标预测NSCLC基因突变

Predictive Efficacy of Image Morphology and Radiomics Features Combined with Clinical Indicators For NSCLC Gene Mutations

陈琦 邹立巍 陈其春 赵红 王龙胜 葛亚琼 余业洲 杨进 郑穗生
临床放射学杂志2021，Vol.40Issue(3) ：485-490.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

影像形态学及组学特征联合临床指标预测NSCLC基因突变

Predictive Efficacy of Image Morphology and Radiomics Features Combined with Clinical Indicators For NSCLC Gene Mutations

陈琦 1邹立巍 1陈其春 1赵红 1王龙胜 1葛亚琼 2余业洲 1杨进 3郑穗生1
扫码查看

作者信息

  • 1. 230601合肥,安徽医科大学第二附属医院放射科
  • 2. 210000上海,GE医疗
  • 3. 230601合肥,安徽医科大学第二附属医院呼吸与危重症医学科
  • 折叠

摘要

目的 探讨基于影像形态学及组学特征的临床综合预测模型在非小细胞肺癌(NSCLC)表皮生长因子受体(EGFR)基因突变中的预测价值.方法 回顾性分析151例病理证实为NSCLC患者术前CT及临床资料,提取CT图像上的肿瘤病灶影像组学特征,采用Logistic回归分析建模,比较临床模型、影像组学标签和综合预测模型对基因突变状态的预测效能.结果 构建的组学标签和年龄、性别、吸烟状态、毛刺征等因素与EGFR突变相关.影像组学标签可以区分EGFR突变状态,曲线下面积(AUC训练集=0.864,AUC验证集=0.831),结合临床模型(AUC训练集=0.720,AUC验证集=0.742)后的综合预测模型(AUC训练集=0.893,AUC验证集=0.846)可提高EGFR状态的预测效能.结论 联合影像组学信息(形态基础特征、一阶统计特征、灰度共生矩阵特征、灰度运行长度矩阵特征和灰度区域大小矩阵特征等)和临床特征的综合预测模型可较好预测EGFR突变,为术前治疗方案的选择提供决策支持.

关键词

非小细胞肺癌/表皮生长因子受体/影像组学/机器学习

引用本文复制引用

基金项目

国家自然科学基金资助项目(81400058)

出版年

2021
临床放射学杂志
黄石市医学科技情报所

临床放射学杂志

CSTPCD北大核心
影响因子：0.872
ISSN：1001-9324
被引量11
参考文献量3
段落导航相关论文