European Radiology：放射组学实现GGO肺腺癌的EGFR突变状态的无创预测！

据统计，腺癌是肺癌中最常见的组织学亚型，占所有病例的50%以上。在肺腺癌患者中，60%以上携带可指导治疗策略的驱动突变，而表皮生长因子受体（EGFR）突变是其中最常见的基因突变之一。事实证明，EGFR突变的肺腺癌患者对EGFR-酪氨酸激酶抑制剂（TKIs）高度敏感，并可从EGFR-TKIs作为一线治疗中获得明显的生存获益。因此，在临床实践中确认EGFR突变状态，对肺腺癌患者的治疗指导意义重大。

目前，基于组织活检的基因检测是EGFR突变检测的金标准。然而，这种方法也有一些局限性：

1. 没有足够的材料和高质量的DNA可能导致检测失败；
2. 作为一种侵入性方法，在进行活检时带有肿瘤转移的潜在风险；
3. 实体肿瘤在空间和时间上都是异质的，因此限制了侵入性活检的使用。

因此，有必要建立一种无创、省时的方法来预测在计CT中呈现为GGO的早期肺腺癌病变的EGFR突变状态。

目前，CT已经作为一种常规检查用于肺癌筛查。然而，CT特征的不同评估和测量标准会降低预测的可信度。相比之下，先进的图像分析算法使得通过提取大量的图像特征来自动量化成像表型成为可能，并且可以提供比眼睛辨别的表型更详细的特征，被称为 "放射组学"。目前，已经建立了许多放射组学或深度学习模型来预测肺腺癌的EGFR突变状态。然而，现有研究中的所有预测模型都是以各期肺腺癌病灶的放射组学特征建立的，其中包含大量的纯实性结节或实性为主的结节。此外，研究表明，EGFR-TKI治疗对EGFR突变的GGO病灶显示出显著的活性。

近日，发表在European Radiology杂志的一项研究建立了一个专门针对早期肺腺癌GGO病变的EGFR突变预测模型，为临床早期、快速、准确的评估该类病变的EGFR突变情况并进行个性化治疗方案的制定提供了支持。

本研究纳入了636名接受GGO病灶切除术的肺腺癌患者（训练集、内部集和外部验证集分别为464人、100人和72人）的临床病理信息和术前CT图像。使用梯度提升决策树（GBDT）共提取了1476个放射组学特征。 

所建立的包含102个特征的放射组学模型对EGFR突变状态（突变型或野生型）显示出强有力的分辨能力，其预测能力优于临床模型（AUC: 0.838 vs. 0.674，0.822 vs. 0.730，以及0.803 vs. 0.746，分别用于训练、内部验证和外部验证集）。在预测EGFR状态方面，放射组学与临床相结合的模型没有显示出比放射组学模型更多的益处（AUC。0.846 vs. 0.838，0.816 vs. 0.822，以及0.811 vs. 0.803，分别在三个队列中）。

与众不同的是，这个模型在一个肺腺癌患者队列中得到了验证，这些患者已经进行了EGFR-TKI的辅助治疗，并且在用药期间有未切除的GGOs，导致EGFR-TKIs的效力明显提高（反应率：25.9% vs. 53.8%，p = 0.006；预测前和预测后分别）。 

图 整个数据集（N=636）中选定的放射组学特征的聚类热图。纳入的患者排列在横轴上，放射组学特征排列在纵轴上。横轴又分为EGFR突变型和EGFR野生型；纵轴又分为一阶特征、基于形状和大小的特征以及纹理特征

本项研究开发了一个基于CT图像的用于预测具有GGO特征的肺腺癌患者EGFR突变状态的放射组学模型。该模型在接受辅助性EGFR-TKIs治疗且患有不可切除的GGO的患者队列中得到了应用和验证，从而使EGFR-TKIs的诊断效力得到了显著提高。总之，本研究所提出的放射组学模型可以协助临床区分表现为GGO的肺腺癌的EGFR突变状态，并指导临床医生在基因测序不可行或不可用时做出适当的治疗策略。

原文出处：

Bo Cheng,Hongsheng Deng,Yi Zhao,et al.Predicting EGFR mutation status in lung adenocarcinoma presenting as ground-glass opacity: utilizing radiomics model in clinical translation.DOI:10.1007/s00330-022-08673-y