论文部分内容阅读
目的本研究旨在探讨晚期非小细胞肺癌患者原发灶18F-FDG PET及CT纹理特征与EGFR基因突变的相关性。方法本实验回顾性收集我院2014年4月至2018年8月治疗前行18F-FDG PET/CT显像及表面生长因子受体（epidermal growth factor receptor,EGFR）基因突变检测的晚期非小细胞肺癌患者。年龄、性别、吸烟状态从本医院信息系统查询。EGFR基因测定采用扩增阻遏突变系统（Amplifed refractory mutation system,ARMS）荧光定量PCR法、焦磷酸盐测序（pyrosequencing）或二代测序技术（next-generation sequencing,NGS）。将PET及CT图像以DICOM格式导入Matlab平台（Mathworks Inc,美国）,应用CGITA插件（Chang-Gung Image Texture Analysis toolbox,中国台湾省）提取70项PET及58项CT纹理特征。卡方检验用于分析EGFR基因突变组与野生型组之间性别、吸烟史、年龄等是否存在统计学差异。128项影像纹理特征进行相关性和共线性分析,对相关系数大于0.8的变量进行筛选,为非独立预测特征,予以排除,最终得到了与EGFR基因突变相关的38项纹理特征。经用Logistic回归进行多因素分析,采用前进法,进样概率为0.05,移除概率为0.10,分类cut-off为0.5,最大迭代次数为20,并对模型系数进行Omnibus tests,建立方程。应用受试者工作特征曲线（receiver operator characteristic curve,ROC曲线）构建预测模型,应用曲线下面积（the area under the curve,AUC）评估模型的预测能力。当P值<0.05时,认为有显著的统计学差异。SPSS 20.0及R 3.5.0软件用于统计分析。结果共入组71例行基线18F-FDG PET/CT显像的IV期NSCLC患者,全部为腺癌,其中39例是EGFR基因突变,32例是野生型。中位年龄58岁（2784岁）,女性32人（45.1%）。EGFR基因突变与女性显著相关（P=0.026）。21项PET及17项CT特征是与EGFR基因突变相关的纹理特征。经用Logistic回归进行多因素分析,4项PET纹理特征（cooccurance second angular moment、cooccurance contrast、intensity-size-zone low-intensity large-zone emphasis以及texture spectrum max spectrum）及2项CT纹理特征（intensity-size-zone high-intensity zone emphasis、normalized cooccurance second angular moment）是EGFR突变的独立预测因子。应用基本特征、纹理特征分别构建模型,ROC曲线评价模型显示综合基本特征及纹理特征构建的模型较单独纹理参数预测EGFR基因突变更准确（AUC,0.893 vs 0.785）。结论IV期肺腺癌影像纹理特征可以较好的预测EGFR突变状态。在IV期肺腺癌患者无法取得合适病理样本时,综合基本信息及影像纹理特征构建的模型可以在一定程度上反映EGFR基因突变状态的信息。