基于放射组学预测胰腺癌淋巴结转移和驱动基因突变的关联研究

发布时间：2020-03-27 17:07

【摘要】：研究目的本研究旨在探索胰腺癌放射组学参数的取和分析方法,通过CT的放射组学参数预测胰腺癌淋巴结转移并与主要驱动基因KRAS、TP53、SMAD4、CDKN2A的突变情况作关联研究,对建立的数学模型进行效果分析,计算模型的敏感度、特异度、校准度等指标,为胰腺癌的早期诊断及个体化治疗方案的制定供帮助。研究方法本研究所有患者均接受MSCT扫,使用3D-Slicer软件对CT扫图像进行肿瘤分割,使用Python程序包Pyradiomics 1.2.0取分割后的胰腺肿瘤3D图像参数,取到的放射组学参数采用Lasso回归方法进行降维和选择。本研究第一部分纳入231例患者,其中2014年1月至2017年1月连续的185例患者纳入训练集,2017年2月至2017年12月连续的46例患者纳入验证集。最终建立基于CT动脉期放射组学评分、常规CT诊断的器官或血管侵犯状态和常规CT诊断的淋巴结状态等因素的列线图模型预测胰腺癌淋巴结转移,并计算其敏感度、特异度、校准度等指标。本研究第二部分纳入2016年1月至2017年12月CT影像资料和测序数据完善的145名患者,通过高通量测序分析胰腺癌主要驱动基因KRAS、TP53、SMAD4、CDKN2A等突变情况,使用CT门脉期的放射组学评分分别对四个基因的突变情况进行关联分类,并评价其效能。结果第一部分:训练集包括71名男性和114名女性,平均年龄60.5±8.9岁,淋巴结转移患者占48.1%(89/185);验证集包括24名男性和22名女性,平均年龄58.8±8.7岁,淋巴结转移患者占47.8%(22/46)。四个CT扫期项各取到1029个放射组学特征,使用LASSO逻辑回归模型降维后,平扫期、动脉期、门脉期和延迟期的放射组学特征分别降至8、11、6和4个特征。研究结果显示动脉期的放射组学评分预测效能良好,在训练集中其AUC达0.8580(95%CI:0.7484-0.9675),在验证集中其AUC为0.8409(95%CI:0.7860-0.8959)。基于CT动脉期放射组学评分、常规CT诊断的器官或血管侵犯状态、常规CT诊断的淋巴结状态等因素建立的放射组学列线图模型在训练集和验证集中校准度良好(H-L检验,P0.05);训练集中AUC为0.9206(95%CI:0.8816-0.9597),验证集中AUC达0.9125(95%CI:0.8311-0.9938)。基于验证集数据建立决策曲线评价临床应用效果,当阈概率范围为0-0.9时,放射组学列线图较 全部治疗‖或 全部不治疗‖获得更多的净收益。第二部分:研究共纳入145名患者,包括96名男性和49名女性,平均年龄为60.6±8.8岁。胰腺癌四个主要驱动基因KRAS、TP53、SMAD4、CDKN2A突变率分别为87.6%、64.8%、31.0%和16.6%;使用LASSO逻辑回归模型对门脉期的放射组学特征进行降维,最终分别得到13、10、9、11个放射组学特征。基于CT门脉期的放射组学评分对四个主要驱动基因的突变情况进行关联分类,KRAS、TP53、SMAD4、CDKN2A的放射组学评分界值分别为1.758、0.480、-0.929和-1.694。放射组学评分对四个驱动基因突变情况的分类效能良好,对KRAS突变进行分类的敏感度为86.6%、特异度为85.5%,对TP53进行分类的敏感度为77.7%、特异度为73.1%,对SMAD4进行分类的敏感度为93.3%、特异度为66.9%,对CDKN2A进行分类的敏感度为79.2%、特异度为74.5%,AUC分别为0.874、0.741、0.776和0.850。对纳入的胰腺癌患者进行生存分析,排除失访患者18名和围术期死亡患者2名后最终纳入125名患者。纳入病例的中位随访时间为14.7个月,中位DFS为11.9个月,1年、2年和3年无瘤生存率分别为48.8%,20.3%和17.8%。KRAS未发生突变组的中位DFS为18.0个月(95%CI:4.9-31.1),显著优于发生突变组(中位DFS=11.2月,95%CI:8.6-13.8),P=0.025。其余三个基因TP53、SMAD4、CDKN2A的突变组与不突变组的DFS没有显著差别。结论基于放射组学特征可在术前准确地预测胰腺癌淋巴结转移状态,并可以对胰腺癌驱动基因KRAS、TP53、SMAD4、CDKN2A的突变情况作出较准确的分类,模型的敏感度和特异度良好。术前的影像学参数与胰腺癌的淋巴结转移及内在的基因突变存在一定关系,可用来评估胰腺癌的异质性,为临床决策、个体化治疗及预后的判断供帮助。
【图文】：

LASSO回归求解路径图

LASSO算法降维后选择的放射组学特征
【学位授予单位】：中国人民解放军海军军医大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R735.9;R730.44

【相似文献】

相关期刊论文 前10条

1 王祥;李琼;范丽;蔡佳丽;彭兆辉;刘士远;;放射组学在非小细胞肺癌中的应用[J];肿瘤影像学;2017年06期

2 涂文婷;范丽;刘士远;;肺癌放射组学研究进展[J];中华肿瘤防治杂志;2018年08期

3 李振辉;李濵;张大福;;放射组学在消化道肿瘤中的应用[J];放射学实践;2017年03期

4 孙钢;;放射组学的兴起及其在消化系统肿瘤中的应用[J];中华消化病与影像杂志(电子版);2017年04期

5 方胜儒;李逸凡;张宇威;蔡娜;郭丽;;放射组学在肺癌诊断中的应用[J];天津医科大学学报;2018年06期

6 王敏;宋彬;黄子星;陈婕;胡富碧;;大数据时代的精准影像医学:放射组学[J];中国普外基础与临床杂志;2016年06期

7 王艺婷;张进;;肺癌放射组学的研究进展[J];临床医药文献电子杂志;2017年18期

8 杨滨;阎华;王欣彦;李东博;佐々木宽;尚涛;赵玉芬;;卡培他滨与放射联合对子宫颈腺癌抗肿瘤效果的实验研究[J];中国医科大学学报;2009年10期

9 许晓虹;浙江省放射科工作者恶性肿瘤发病分析[J];中国肿瘤;2000年03期

10 毕洁;罗虎;于贵新;张睿;;医院放射作业人员职业健康检查结果分析[J];工业卫生与职业病;2017年03期

相关会议论文 前2条

1 陈峰;许顺良;;从精准影像学到放射组学[A];2015年浙江省医学会放射学学术年会论文汇编[C];2015年

2 赵永成;王继先;张卫;李本孝;樊体强;张景源;;恶性肿瘤死亡危险分析[A];中华医学会放射医学与防护学分会第三次全中国青年学术交流会论文摘要汇编[C];2001年

相关博士学位论文 前7条

1 魏海峰;二维光散射静态细胞术及放射组学在小细胞肺癌中的应用[D];山东大学;2018年

2 李靖;能谱CT及其放射组学模型术前预测胃癌淋巴结转移的价值[D];郑州大学;2019年

3 杨秋安;分子靶向联合放射治疗头颈部鳞癌的实验研究[D];山东大学;2009年

4 周蓉蓉;E1A基因对鼻咽癌放射增敏作用及机制研究[D];中南大学;2010年

5 洪继东;高压氧对鼻咽癌放射敏感性的影响及其作用机制的研究[D];中南大学;2010年

6 张巧丽;扶正增效方对肺癌放射增敏的分子机制研究[D];北京中医药大学;2013年

7 杨滨;卡培他滨与放射线照射联合治疗子宫颈腺癌的效果与机制探讨[D];中国医科大学;2007年

相关硕士学位论文 前10条

1 卢晓倩;CT放射组学特征预测周围型肺腺癌EGFR基因突变研究[D];吉林大学;2019年

2 潘峰;应用MR放射组学预测直肠癌微卫星不稳定性的临床价值的研究[D];吉林大学;2019年

3 郭钰;放射组学在结直肠癌淋巴结转移的价值初探[D];吉林大学;2019年

4 高绥之;基于放射组学预测胰腺癌淋巴结转移和驱动基因突变的关联研究[D];中国人民解放军海军军医大学;2019年

5 沈刘海;放射组学特征-淋巴结的CT图像和~(18)F-FDG PET图像间联系的粗浅探讨[D];安徽医科大学;2019年

6 陈浩;基于MR-T2WI放射组学预测直肠癌淋巴结转移的研究[D];湖南师范大学;2018年

7 牟胜男;放射组学预测T3期直肠癌复发转移的价值初探[D];吉林大学;2018年

8 涂文婷;非小细胞肺癌的EGFR基因突变状态预测及预后评估的放射组学研究[D];中国人民解放军海军军医大学;2018年

9 洪之海;DCE-MRI和CT放射组学评估分子靶向药物治疗非小细胞肺癌的疗效[D];浙江大学;2018年

10 魏冰雁;基于放射组学的肺ROI特征提取与选择和结节的良恶性分类[D];河北大学;2017年

，

本文编号：2603174