基于影像组学不同插值预测脑转移瘤EGFR和HER2表达状态:一项双中心研究

摘要

目的基于影像组学的不同插值预测脑转移瘤表皮生长因子受体(epidermal growth factor receptor,EGFR)和表皮生长因子受体2(human epidermal growth factor receptor 2,HER2)表达状态,并探索预测效果最佳的插值方法。方法回顾来自两个机构共100例腺癌脑转移患者资料(56例患者基因表达为突变型EGFR或HER2阳性,44例患者基因表达为野生型EGFR或HER2阴性),在T1WI增强序列选择sitkNearestNeighbor,sitkLinear和sitkBSplines 3种插值分别提取1409个特征,将患者按7:3随机分为训练集和测试集,使用最小绝对收缩选择算子(LASSO)选择信息性特征,支持向量机(support vector machine,SVM)构建诊断模型,训练集用于模型训练,独立测试集评估模型的预测性能,ROC曲线计算模型的准确率、敏感度和特异度,ROC曲线下面积(area under curve,AUC)评估模型的预测性能。结果基于sitkBSplines插值选定的19个影像组学特征建立的模型显示良好的预测能力,在训练集中,模型的AUC为0.99,分类准确率为0.95,敏感度为0.92,特异度为0.97;在独立测试集中,AUC为0.86,灵敏度0.82,特异度0.78,准确率0.8。sitkBSplines在中心1及中心2的建模中均表现出高于其他插值的鉴别性能。而基于sitkLinear选定的9个影像组学特征建立的模型在训练集和独立测试集的AUC分别为0.74和0.53。结论MRI影像组学模型对预测腺癌脑转移瘤中EGFR突变/HER2状态具有一定应用价值,其中基于sitkBSplines插值提取的影像组学特征预测效能最优。