论文部分内容阅读
目的:探讨采用影像组学的方法分析肺腺癌脊柱骨转移MR影像特征预测表皮生长因子受体(EGFR)基因突变状态的可行性。方法:回顾性分析2016-2018年经病理证实的中国医科大学肿瘤医院(辽宁省肿瘤医院)的164例肺腺癌患者的影像和临床资料。164例患者均行EGFR基因检测及MR常规脊柱检查。所有患者通过综合影像学(CT、MRI或ECT/PET-CT)或病理证实为脊柱骨转移。所有病例通过辽宁省肿瘤医院伦理委员会审查及批准。采用Wilcoxon秩和检验和非参数卡方检验比较EGFR突变组与野生组各个临床特征(年龄,性别和吸烟状态)的差异。EGFR突变组与野生组骨转移灶数量比较采用Mann-Whitney U检验。EGFR突变组与野生组骨转移伴软组织肿块形成的病例数以及病灶数比较采用Pearson检验。2名医师共同分析所有病灶的信号特征(各序列信号强度)和形态学特征(数量,软组织肿块)。随后使用ITK-SNAP软件(3.6.0版本)对图像进行感兴趣区域(ROI)分割。之后将分割的骨转移瘤ROI导入AK软件并选择直方图特征、灰度区域大小矩阵特征、形态学特征、哈拉利克特征、灰度共生矩阵特征和灰度游程矩阵特征6大类纹理参数进行特征提取。对提取的纹理特征进行预处理后,按7:3的比例随机分为训练组和验证组,机械学习方法使用RTree(Random forest,随机森林),并构建预测模型。进行ROC(Receive Operating Characteristics,受试者工作特征)曲线分析,计算预测AUC(即ROC曲线下面积),用AUC值、准确度、特异度和灵敏度来评价影像组学模型预测EGFR突变状态的性能。结果:1.164例患者,突变组103例(62.8%),野生组61例(37.2%)。EGFR突变组以女性、非吸烟患者多见(p<0.05),突变类型以19del和L858R为主,两者合计共占总突变例数的66.0%(68/103)。2.T1WI上,EGFR突变组与野生组病灶均成稍低信号或低信号;T2WI上,病灶均呈稍低或低信号;T2WI脂肪抑制上,病灶均呈不均匀稍高信号或混杂高信号。EGFR突变组骨转移灶数目明显多于野生组,差异有统计学意义(p<0.05)。EGFR突变组与野生组骨转移伴软组织肿块形成的病例数以及病灶数均无统计学差异(p>0.05)。3.从T1WI、T2WI及T2WI脂肪抑制序列中共提取的纹理特征分别为396个、396个及396个。单因素方差分析和秩和检验后,分别提取了78个、9个及9个纹理特征,然后进行相关性检验,最终分别提取了11个、5个及5个纹理特征。4.T1WI上,使用机械学习Rtree方法在验证组中获得的AUC值为0.568,准确度为0.638,特异度为0.250,敏感度为0.844;T2WI上,AUC值为0.530,准确度为0.681,特异度为0.250,敏感度为0.911;T2WI脂肪抑制序列上,AUC值为0.538,准确度为0.618和,特异度为0.167,敏感度为0.864。结论:对于肺癌脊柱骨转移的患者,应用基于常规MR的影像组学方法,可为临床了解EGFR突变状态提供重要的参考价值。