在肺腺癌中表皮生长因子受体突变的预测模型使用基于PET/CT的放射学特征

科学领域:

• 放射学和医学成像技术
• 在瘤学瘤学.
• 计算生物学 计算生物学

背景情况:

• 肺腺癌 (LAC) 是一种主要类型的非小细胞肺癌 (NSCLC).
• 表皮生长因子受体 (EGFR) 突变是LAC治疗的关键标.
• 对PET/CT扫描的放射学分析显示,有可能以非侵入性方式预测EGFR突变状态.

研究的目的:

• 开发和验证使用PET/CT的非侵入性放射学模型,用于预测LAC的EGFR突变状态.
• 为 LAC 患者提供个性化治疗决策的基础.

主要方法:

• 对112名LAC患者的PET/CT,临床和病理数据进行了追溯分析.
• 从PET/CT扫描中提取3562个放射学特征,其中13个采用最小绝对收缩和选择操作员 (LASSO) 方法进行选择.
• 构建和评估用于EGFR突变预测的机器学习模型 (SVM,GBDT,RF,XGBOOST).

主要成果:

• 支持矢量机器 (SVM) 模型实现了最高的预测性能 (AUC: 0.916 在训练中,0.945 在验证中).
• 与临床数据相结合的放射学并没有显著改善与放射学单独相比的预测性能.
• 基于SVM的放射学模型在预测EGFR突变状态方面表现出高准确性和可靠性.

结论:

• 来自PET/CT的SVM放射学模型是一种精确可靠的非侵入性方法,用于预测LAC的EGFR突变.
• 这种放射学方法可以作为EGFR突变的预后指标,完善个性化治疗策略并改善患者的治疗结果.