肺腺癌 CT 影像特征联合影像组学在预测 EGFR 基因状态中的应用效果

目的 探讨肺腺癌 CT 影像特征联合影像组学在表皮生长因子受体（Epidermal Growth Factor Receptor， EGFR）基因情况中的预测效果。方法 纳入 78 例经病理检测确诊的肺腺癌患者，收集术前 CT 影像学资料及 EGFR 基因检测结果。由两名高年资影像科医师对 CT 影像特征进行评估，如肿瘤的大小、形态、边缘、密度等。利用影像组学软件提取 CT 影像的高通量定量特征。运用 Logistic 回归分析构建三个预测模型，通过绘制受试者工作特征曲线对三个模型预测效能进行评估，采用 DeLong 检验的方式进行对比。结果 78 例经病理检查确诊为肺腺癌的患者中，男 42 例，女 36 例，年龄 51～65 岁患者的占比最大（52.6%），39.7% 的患者有吸烟史（汉族 96.2%），学历以初中为主（35.9%），其次为高中 / 中专（32.1%）。在患者的 TNM 分期中，占比最高者为Ⅰ期 （32.1%），肿瘤位置分布最多的部位是右下叶和左上叶（均为 23.1%），肿瘤≤3cm 者最多（43.6%），临床症状以咳嗽、胸痛、呼吸困难为主，51.3% 患者的癌胚抗原（Carcinoembryonic Antigen，CEA）升高，46.2% 患者的 CYFRA21-1 升高，34.6% 患者的神经元特异性烯醇化酶（Neuron-specific Enolase，NSE）升高。模型 3 的预测效能最佳，其曲线下面积（Area Under The Curve，AUC）为 0.85（95%CI：0.79～0.91），显著高于模型 1（AUC=0.73， 95%CI：0.66～0.80）和模型 2（AUC=0.79，95%CI：0.72～0.86），差异有统计学意义（P＜0.05）。结论 将 CT 影像特征与影像组学特征相结合可以显著提高对肺腺癌 EGFR 基因状态预测的准确性。