目的:探讨基于治疗前 18F－FDG PET/CT的影像组学模型在识别非小细胞肺癌(NSCLC)患者表皮生长因子受体(EGFR)突变亚型中的价值。 方法:回顾性纳入2015年1月至2019年11月间于河北医科大学第四医院诊治的172例EGFR突变型NSCLC患者[男54例、女118例；年龄(56.2±12.5)岁]，其中外显子19缺失突变75例，外显子21 L858R错义突变97例。采用随机数字表法，按7∶3比例将患者分为训练集(121例)与验证集(51例)。使用LIFEx 4.00软件提取病灶的PET/CT影像组学特征，采用最小绝对收缩和选择算子(LASSO)算法进行特征筛选。构建3种机器学习模型：逻辑回归模型、随机森林模型、支持向量机模型，采用ROC曲线分析评估3种模型的预测效能，并采用决策曲线分析评估模型的临床价值。结果:经LASSO算法最终筛选出9个组学特征，包括6个PET特征[直方图(HISTO)_峰度(Kurtosis)、形状特征(SHAPE)_球形度(Sphericity)、灰度游程长度矩阵(GLRLM)_低灰度运行重点(LGRE)、GLRLM_运行长度不均匀性(RLNU)、邻域灰度差异矩阵(NGLDM)_对比度(Contrast)、灰度区域长度矩阵(GLZLM)_低灰度短区重点(SZLGE)]，3个CT特征[灰度共生矩阵(GLCM)_相关性(Correlation)、GLRLM_运行百分比(RP)、NGLDM_Contrast]。构建的3种机器学习模型在训练集

作者：张建媛；赵新明；赵妍；张敬勉；张召奇

来源：中华核医学与分子影像杂志 2023 年 43卷 8期