📌 期刊名称：J Appl Clin Med Phys. 《应用临床医学物理杂志》
📌 影响因子（2024）: 2 (4区Q3)
文章标题：39673508-Radiomics based on dual-layer spectral detector CT for predicting EGFR mutation status in non-small cell lung cancer
研究机构： The Second Affiliated Hospital of Soochow University
作者：Dan Jin 1 2, Xiaoqiong Ni 1, Yanhuan Tan 3, Hongkun Yin 4, Guohua Fan 1 2
发表日期： 2024 Dec 14
📖 阅读链接：doi: 10.1002/acm2.14616.
🔍 1.背景：肺癌是全球发病率和死亡率最高的恶性肿瘤之一，其中非小细胞肺癌（NSCLC）约占所有肺癌病例的80-85%。表皮生长因子受体（EGFR）基因突变在NSCLC的发病机制及其治疗反应中起着关键作用，特别是决定患者对EGFR酪氨酸激酶抑制剂（EGFR-TKIs）的疗效。当前用于检测EGFR突变的常规方法，如组织活检，具有侵入性强、操作风险高及获取样本困难等缺点。因此，开发非侵入性、准确可靠的影像学方法以预测EGFR突变状态，对于优化个体化治疗方案具有重要临床意义。
2. 研究目标
本研究旨在评估基于双层光谱探测器计算机断层扫描（DLCT）技术的放射组学方法在预测非小细胞肺癌（NSCLC）患者EGFR基因突变状态中的应用价值，以期为临床提供一种有效的非侵入性预测工具。
3. 方法
本研究为回顾性分析，收集了115例经病理确诊的非小细胞肺癌（NSCLC）患者的双层光谱探测器计算机断层扫描（DLCT）影像及相关临床资料。这些患者随机分为训练组（81例）和验证组（34例）。采用最小绝对收缩与选择算子（LASSO）方法进行高维放射组学特征选择，并结合临床相关因素（如年龄、性别、吸烟史等）构建放射组学模型与临床模型。随后，通过列线图（Nomogram）将放射组学评分与临床因素进行整合，以提高EGFR突变状态预测的准确性和临床适用性。
4. 统计分析
所有统计分析采用SPSS软件进行。连续变量之间的比较采用Mann-Whitney U检验，分类变量采用卡方检验或Fisher精确检验。通过受试者工作特征曲线（ROC）分析评估各预测模型的诊断性能，并利用DeLong检验比较不同模型的曲线下面积（AUC）差异。决策曲线分析（DCA）用于评估模型在不同阈值下的临床应用价值和效用。
5. 结果
本研究通过LASSO回归筛选出6个放射组学特征和2个临床特征用于模型构建。在训练组中，放射组学模型、临床模型以及综合列线图的曲线下面积（AUC）分别达到0.909、0.797和0.922。在验证组中，相应的AUC值为0.874、0.691和0.881。列线图在大多数临床决策阈值范围内展示出最佳的临床效用，表明综合模型在预测NSCLC患者EGFR突变状态方面具有较高的准确性和实用性。
6. 讨论
本研究首次基于双层探测器光谱CT（DLCT）影像数据，利用机器学习方法开发了用于预测非小细胞肺癌（NSCLC）患者EGFR基因突变状态的放射组学模型。研究结果表明，选取的放射组学特征与EGFR突变呈现显著相关性，尤其是与肿瘤异质性相关的影像特征，提示这些特征在分子生物学层面可能反映了肿瘤的基因变异情况。这些发现对临床实践具有重要意义，能够为医生提供一种非侵入性手段，以辅助评估患者的EGFR突变状态，从而优化个体化治疗方案。此外，综合放射组学与临床因素的列线图模型在验证组中仍保持较高的预测性能，进一步验证了其潜在的临床应用价值。然而，本研究存在一定的局限性，如样本量较小、回顾性设计可能引入偏倚等，未来需要通过更大规模的前瞻性研究来验证这些结果。
7. 结论
结合临床因素与光谱CT放射组学特征所构建的模型能够有效预测非小细胞肺癌的EGFR基因突变状态，为临床决策提供有力支持，促进个体化治疗的实施。
8. 未来研究建议
建议开展更大规模的多中心前瞻性研究，以验证本研究所构建模型的普适性和稳定性。同时，可以探讨将光谱CT放射组学与其他影像学技术（如PET/CT、磁共振成像）相结合，进行多模态影像分析，以进一步提升EGFR突变状态预测的准确性和可靠性。此外，未来研究可考虑整合基因组学、蛋白质组学等多层次生物信息，以构建更加全面和精准的预测模型。
9. 知识问答
EGFR突变在非小细胞肺癌中占的比例是多少？
A. 10%
B. 30%
C. 44%
D. 60%
本研究使用了哪种统计方法来评估模型的性能？
A. 方差分析
B. ROC分析
C. 生存分析
D. 线性回归
研究发现，EGFR突变率在吸烟者和非吸烟者中分别为多少？
A. 20% 和 50%
B. 18% 和 61%
C. 25% 和 75%
D. 30% 和 70%
答案：1.C. 44% 2.B. ROC分析 3.B. 18% 和 61%
研究设计：特征提取-特征选择-模型验证
参考文献(两日内回复文章标题即可获取原文，超过两日请单独回复PMID）：
Jin D, Ni X, Tan Y, Yin H, Fan G. Radiomics based on dual-layer spectral detector CT for predicting EGFR mutation status in non-small cell lung cancer. J Appl Clin Med Phys. 2024 Dec 14:e14616. doi: 10.1002/acm2.14616. Epub ahead of print. PMID: 39673508.
不再声明原创声明：为了严格遵守平台规定，本系列内容将不再声明原创（原作者投稿除外）。我们坚信，与广大的读者共同提高、共同进步，才是我们坚持不懈地制作高质量内容的主要动力和核心原因。我们希望通过这个平台，与大家分享知识、交换见解，共同成长，而不仅仅是追求原创带来的收益。感谢每一位读者的支持和理解，我们将继续努力，为您带来更多有价值的内容。
👉 想了解更多？请访问期刊官网阅读全文或回复文章标题直接获取全文。
欢迎交流和讨论，期待您的留言！#最新文献 #科研前沿 #见刊时刻
