文章摘要
曹莉，谢玉海，张宏杰，庞奇，王小雷，高续，宋岩.基于胸部CT影像组学特征分析预测非小细胞肺癌ALK基因突变的价值[J].放射学实践,2026,41(04):404-409
基于胸部CT影像组学特征分析预测非小细胞肺癌ALK基因突变的价值
  
DOI：10.13609/j.cnki.1000-0313.2026.04.008
中文关键词: 非小细胞肺癌  间变性淋巴瘤激酶  体层摄影术，X线计算机  影像组学  预测模型
基金项目:安徽省高校科学研究重点项目（2024AH051914）；北京医学奖励基金会睿影基金资助项目（YXJL-2022-0105-0116，YXJL-2023-0866-0344）；皖南医学院科研项目（WK2023JXYY100）
作者单位
曹莉，谢玉海，张宏杰，庞奇，王小雷，高续，宋岩 236600安徽阜阳,太和县人民医院/皖南医学院附属太和医院放射影像科（曹莉、谢玉海、高续）,心胸外科（张宏杰、庞奇、王小雷）；安徽界首236500,安徽第二医学院附属界首医院（首市人民医院）医学影像科（宋岩） 
摘要点击次数: 469
全文下载次数: 561
中文摘要:
      【摘要】目的：探讨基于深度学习自动分割技术的胸部CT影像组学分析对非小细胞肺癌（NSCLC）间变性淋巴瘤激酶（ALK）基因突变的预测价值。方法：回顾性分析2020年11月－2024年4月在本院经病理证实的172例NSCLC患者的临床及术前CT平扫资料。根据ALK基因检测结果，将总样本分为ALK阳性组（23例）和阴性组（149例）。采用深度学习自动分割技术基于CT图像进行肿瘤的三维分割，采用重采样技术（大小1mm3）进行图像预处理后提取肿瘤的影像组学特征，采用Pearson相关分析、SelectKBest及Logistic回归分析筛选最优组学特征参数并构建影像组学模型。采用ROC曲线分析评估最优特征参数及影像组学模型的诊断效能，决策曲线分析评价模型的临床应用价值。结果：临床资料中，年龄、性别、病理T分期、结节部位、大小、体积、CT值及CT征象在两组间的差异均无统计学意义（P＞0.05）。共筛选出4个最优组学特征，分别为lbp-3D-m1_firstorder_Median、logarithm_glcm_Idmn、logarithm_glcm_InverseVariance和wavelet-LHH_firstorder_Median。四个特征参数的组间差异均具有统计学意义（P<0.01），它们判断NSCLC患者ALK突变的诊断效能分别为0.680、0.674、0.756和0.682。四者构建的影像组学模型对ALK突变的预测效能最佳，AUC、敏感度和特异度分别为0.868、78.26%和83.89%。决策曲线显示影像组学模型预测NSCLC ALK基因突变状态具有较好的净收益。结论：联合深度学习自动分割技术的影像组学方法在无创性预测NSCLC ALK突变状态方面具有较高的效能。
      
查看全文   下载PDF阅读器
关闭