非侵入性识别TKI耐药NSCLC:用于预测EGFR/TP53共同突变的多模型AI方法
Jiayi Li1,2,3, Renjie Xu1,2,3, Dan Wang1,2,3
1Department of Respiratory and Critical Care Medicine, Institute of Respiratory Health, Frontiers Science Center for Disease-related Molecular Network, West China Hospital, Sichuan University, Guo Xue Xiang 37, Chengdu, Sichuan, 610041, China.
BMC pulmonary medicine
|July 10, 2025
概括
使用CT扫描的新型多维模型准确地预测了非小细胞肺癌 (NSCLC) 中的表皮生长因子受体 (EGFR) 和瘤蛋白53 (TP53) 共同突变. 这种方法为早期临床决策提供了一种非侵入性方法.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 基因组学就是基因组学.
背景情况:
- 非小细胞肺癌 (NSCLC) 的治疗反应受表皮生长因子受体 (EGFR) 和瘤蛋白53 (TP53) 共同突变的影响.
- 准确预测这些共同突变对于指导治疗策略和改善患者结果至关重要.
- 目前用于确定突变状态的方法具有侵入性,可能会延迟治疗开始.
研究的目的:
- 为了评估一个多维模型的有效性,利用术前计算机断层扫描 (CT) 扫描,预测EGFR和TP53共变状态在NSCLC患者.
- 为了比较这个多维模型与单维模型的性能.
- 探索临床和机器学习衍生的放射性特征的整合,以提高预测准确度.
主要方法:
- 对2171名NSCLC患者的回顾性分析,具有治疗前可用的CT扫描和EGFR基因测序数据.
- 开发基于深度学习的多维模型,使用随机森林分类器来预测EGFR/TP53共发生.
- 使用曲线下的面积 (AUC) 和卡普兰-梅尔分析进行模型性能评估;与单维模型进行比较.
主要成果:
- 多维模型在测试组上预测EGFR/TP53共同突变时获得了0.843的高曲线下面面积 (AUC).
- 这种先进的模型显著超过了传统的单维预测模型.
- 在一小部分患者的放射性分析中,探索了将成像特征与突变联系起来的潜在生物机制.
结论:
- 开发的多维模型显示出对NSCLC中EGFR和TP53共突变的非侵入性预测具有显著的前景.
- 这种预测能力可以帮助早期临床决策,对于有治疗耐药性风险的患者.
- 基于CT的放射学集成为个性化NSCLC管理提供了有价值的工具.
