基于双能量CT的放射学在预测肺腺癌中EGFR突变状态的非侵入性预测中

科学领域:

• 放射学和瘤学 放射学和瘤学
• 医学成像分析 医学成像分析

背景情况:

• 患有EGFR突变的肺腺癌 (LUAD) 患者从向治疗中受益.
• 准确的EGFR突变状态的非侵入性预测对于治疗选择至关重要.

研究的目的:

• 开发和比较用于非侵入性预测LUAD中的EGFR突变状态的预测模型.
• 评估双能光谱计算机断层扫描 (DESCT) 和基于CT的放射性特征的实用性.

主要方法:

• 分析了175名LUAD患者 (111名EGFR突变患者).
• 放射性,DESCT和临床特征被提取并用于构建预测模型.
• 用接收机操作特征 (ROC) 曲线和曲线下的面积 (AUC) 来评估模型性能.

主要成果:

• 综合放射性,DESCT和临床特征的综合模型实现了最佳的预测性能.
• 组合模型显示训练组的AUC为0.86,验证组的AUC为0.83.
• 这表明在预测EGFR突变状态方面具有很高的准确性.

结论:

• 开发了一种结合基于CT的放射性,DESCT和临床特征的预测性名图.
• 这种非侵入性方法提供了基于图像的宝贵生物信息,用于指导LUAD向治疗.
• 该模型有助于为患有EGFR突变的LUAD患者制定个性化治疗策略.