European Radiology:估转移性肺腺癌患者EGFR和T790M突变的MRI放射组学列线图

2022-10-22 shaosai MedSci原创

放射组学是一项新兴的影像学技术,可以直接从整个肿瘤的医学图像中计算出定量特征。这些特征可揭示隐藏在影像数据中的高维模式,是放射科医生肉眼难以从观察到的。

在过去的几十年里,靶向治疗改变了表皮生长因子受体(EGFR)基因突变的肺腺癌(LA)患者的治疗及预后。携带EGFR突变的患者往往对EGFR酪氨酸激酶抑制剂(EGFR-TKIs)表现出良好的反应。同时,EGFR-TKIs的疗效常受到限制,大多数肺部肿瘤在使用第一代或第二代TKIs治疗8-13个月后通常会产生获得性抗药性。第三代EGFR-TKI(奥希美替尼)可以抑制T790M突变引起的耐药活性,推荐用于一线EGFR-TKI治疗期间进展后的T790M阳性患者的治疗,但不适用于T790M阴性患者。因此,早期识别T790M突变状态的相关生物标志物在临床上至关重要。

超过三分之一的肺癌病例可能发生脊柱骨转移,其中腺癌是最常见的组织病理学类型发病率最高(约50.3-70.0%)。一旦发生骨转移,由于脊髓受压和高钙血症的存在,患者的生活质量将受到严重影响、预后不佳,治疗后中位生存期为6-8个月。为了确定这些患者的个体化治疗策略,需要通过活检进行血液检测或病理检查来评估EGFR/T790M状态。当原发病灶不存在时,可将转移灶作为一个重要的替代方法进行分析。然而,肺癌患者血浆中的循环肿瘤DNA(ctDNA)水平通常很低,因此需要高灵敏度的技术来避免假阴性的风险。

放射组学是一项新兴的影像学技术,可以直接从整个肿瘤的医学图像中计算出定量特征。这些特征可揭示隐藏在影像数据中的高维模式,放射科医生肉眼难以从观察到的。许多人尝试将MRI数据和临床预测因素与放射组学分析结合起来,以确定与EGFR突变有关的特定标志物。最近,基于MRI成像的脑部和脊柱转移的特征与EGFR突变状态的关系已被多项证实,并获得了极大的关注。据我们所知,在治疗前基于MRI的耐药性T790M突变的预测还没有被相关研究报道

近日,发表在European Radiology杂志的一项研究评估了放射组学在脊柱转移性LA患者中早期检测EGFR和T790M突变的价值,并开发了放射组学-临床列线图模型作为指导治疗计划的潜在影像学工具。

本研究招募了一组来自本院的160名LA患者(2017年1月至2021年2月期间)进入研究使用另一家医院的32名患者(2017年1月至2021年1月期间)建立了一个外部队列。所有患者都接受了脊柱MRI(包括T1加权(T1W)和T2加权脂肪抑制(T2FS))扫描。从每位患者的转移部位提取放射组学特征,并选择开发用于检测EGFR和T790M突变的放射组学模型(RS)。用RSs和重要的临床参数构建了临床-放射组学列线图模型。使用ROC曲线来评估每个模型的预测能力,构建校准和决策曲线分析(DCA)来验证模型的性能。 

对于检测EGFR和T790M突变,开发的RSs分别由9个和4个最重要的特征组成。构建的包含RSs和吸烟状态的列线图模型显示了最受欢迎的预测功效,在训练、内部和外部的AUCs分别为0.849(Sen=0.685,Spe=0.885)、0.828(Sen=0.964,Spe=0.692)和0.778(Sen=0.611,Spe=0。 在检测EGFR突变的训练、内部验证和外部验证集中,用于检测T790M突变AUC分别为0.0.842(Sen=0.750,Spe=0.867)、0.823(Sen=0.667,Spe=0.938)和0.800(Sen=0.875,Spe=0.800)。 


 A和E 60岁的男性患者,EGFR野生型。B和F 一位65岁的女性患者,EGFR突变。C和G 63岁的男性患者,T790M阴性。D和HA 59岁的女性患者,T790M阳性。第一行是T1W MRI图像,第二行是T2FS MRI图像

本研究表明,脊柱MRI特征可以对EGFR和T790M突变进行预测,本研究所开发的列线图模型可促进转移性LA患者的优化和个体化治疗策略的制定。

原文出处:

Ying Fan,Yue Dong,Huan Wang,et al.Development and externally validate MRI-based nomogram to assess EGFR and T790M mutations in patients with metastatic lung adenocarcinoma.DOI:10.1007/s00330-022-08955-5

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2095379, encodeId=391320953e988, content=学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习, beContent=null, objectType=article, channel=null, level=null, likeNumber=41, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f03a5433387, createdName=ms5000000518166734, createdTime=Sat Oct 22 15:50:32 CST 2022, time=2022-10-22, status=1, ipAttribution=)]
    2022-10-22 ms5000000518166734

    学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习

    0

相关资讯

Thorac Cancer:ALK阳性是I期完全切除的肺腺癌患者无复发生存期(RFS)负性预测指标

研究表明,I期切除肺腺癌患者中,ALK阳性患者无复发生存期(RFS)更差,高级别组织学亚型和从不吸烟跟ALK阳性相关。

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

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"。

STTT:四川大学李为民/张莉/王成弟揭示肺腺癌和鳞癌之间的异质免疫景观

该研究对来自19例NSCLC患者的40个肿瘤和匹配的相邻正常组织的72,475个免疫细胞进行了scRNA-seq测序,并绘制了系统的免疫细胞转录组图谱。

Radiology:肺腺癌患者胸部CT深度学习生存预测模型的组织病理学价值

最近,有学者提出了一个基于CT的术前深度学习(DL)预测模型来估计肺腺癌患者的无病生存期。

读片定律的再次验证——缓慢增大的混杂磨玻璃,几乎都是肺腺癌

随访中需要重点观察磨玻璃影和实性成分的动态变化。

JTIM:肺腺癌特异性三整合素特征通过转移和免疫逃逸途径导致的不良结果

靶向整合素(ITG)的抑制剂作为包括肺癌在内的肿瘤治疗新策略被关注,但其仅对一小群肺癌患者显示出有限的疗效。ITG家族亚基在肺癌中表达和功能的异质性可能部分解释其疗效有限的原因。