来源：期刊VIP网 时间：
作者：丁自峰;贺睿敏;单冬勇;余昆;胡创业;
单位：南华大学核科学技术学院;中南大学湘雅二医院肿瘤中心;南华大学附属第二医院肿瘤中心;南华大学先进核能技术设计与安全教育部重点实验室;
摘要：目的 探讨基于非小细胞肺癌脑转患者多序列MRI结合影像组学预测脑转移病灶表皮生长因子受体（EGFR）突变状态的可行性。资料与方法 回顾性分析2017年1月1日—2023年12月31日在中南大学湘雅二医院接受EGFR基因检测的237例非小细胞肺癌脑转移患者，治疗前行颅脑增强T1WI序列、T2WI液体衰减翻转恢复序列、T2WI和肺部原发灶CT检查，其中EGFR突变120例。根据截断日期（2021年12月31日）将患者分为训练组146例和验证组91例。由高年资医师在多序列MRI影像上勾画脑转移灶，在CT影像上勾画原发病灶，然后基于PyRadiomics提取851个影像组学特征，经特征选择后使用支持向量机算法建立机器学习模型，并与最小绝对收缩与选择算子算法建立的影像组学标签比较，确定最优模型。共建立5种模型（3种不同MRI序列模型、融合多序列MRI模型和CT影像模型），计算受试者工作特征曲线下面积，评估各预测模型的诊断效能。结果 在所有图像类型中，多序列MRI构建的模型性能均最优，在最小绝对收缩与选择算子及支持向量机算法模型训练组曲线下面积分别为0.854(95%CI 0.748～0.960)、0.948(95%CI 0.923～0.973)，在验证组中分别为0.810(95%CI 0.751～0.869)、0.951(95%CI 0.917～0.985)，最优EGFR突变状态预测模型为支持向量机算法结合多序列MRI。结论 基于治疗前多序列MRI影像组学结合机器学习能更精准地预测非小细胞肺癌脑转移患者EGFR突变状态。
关键词：癌,非小细胞肺;;脑肿瘤;;肿瘤转移;;磁共振成像;;影像组学;;突变;;表皮生长因子受体
基金资助：湖南省自然科学基金项目（2024JJ9385）
