基于CT影像组学的非小细胞肺癌EGFR与ALK融合突变预测及预后评估的多模态模型研究

本研究针对非小细胞肺癌(NSCLC)基因检测的侵入性局限，通过整合CT影像组学特征与临床数据，构建了预测EGFR/ALK突变状态的多模态模型。结果显示该模型对EGFR和ALK融合的预测AUC分别达0.72和0.75，并证实靶向治疗显著延长一线治疗患者无进展生存期(PFS)至14.5个月(P<0.001)，为肺癌精准诊疗提供了非侵入性决策工具。

　　

肺癌作为全球癌症死亡的首要原因，在中国每年导致73.3万例死亡，其中非小细胞肺癌(NSCLC)占比高达85%。尽管靶向治疗为EGFR/ALK突变患者带来希望，但传统基因检测依赖组织活检，存在创伤大、脑转移患者难以实施等局限。更棘手的是，约40%亚洲NSCLC患者携带EGFR突变，5-10%存在ALK融合，但现有检测方法敏感度不足且耗时长，亟需开发无创预测技术。

中南大学湘雅医院与南华大学第二附属医院联合团队在《Holistic Integrative Oncology》发表研究，创新性地将CT影像组学与临床特征结合，构建了预测EGFR/ALK突变的多模态模型。研究回顾性分析533例肺腺癌患者的术前CT图像，采用3D Slicer平台进行肿瘤分割，通过Pyradiomics提取622个影像组学特征，结合LASSO回归筛选出14个关键特征（如Shape_Convex、GrayLevelCoocurrenceMatrix_180_4InverVariance等），并应用SMOTE算法解决ALK阳性样本稀少（仅11.3%）的类不平衡问题。

患者基线特征统计
纳入患者中EGFR突变率40.2%，ALK融合率11.4%，突变组显著年轻（ALK阳性组48.0±10.2岁，P<0.001），且女性占比更高（58.7%），与亚洲人群突变特征一致。95.5%患者处于III-IV期，反映晚期肺癌的临床挑战。

影像组学特征选择
通过LASSO回归从622个初始特征中筛选出6个EGFR相关特征和8个ALK相关特征，Spearman热图显示特征间弱相关性（|r|<0.4），确保模型稳定性。Shapley值分析揭示Shape_ConvexHullVolume3D（系数-0.023）和GLCM_225_7Entropy（系数0.011）对突变预测贡献最大。

模型性能验证
多模态模型展现出最优预测效能：

• EGFR突变：AUC 0.72（vs临床模型0.67），灵敏度0.86，特异性0.79
• ALK融合：AUC 0.75（vs影像模型0.63），灵敏度0.84，特异性0.75
  决策曲线分析(DCA)证实该模型在阈值概率0.3-0.8区间具有最高净获益。

治疗预后分析
中位随访显示：

• 一线治疗中，靶向药物组PFS达14.5个月，显著优于手术联合放疗(10.7个月)和化疗(7.1个月)(P<0.001)
• 二线治疗中靶向组PFS 7.3个月，与化疗组4.7个月无统计学差异(P=0.43)，提示耐药性影响

这项研究开创性地证实了CT影像组学联合临床指标预测肺癌驱动基因突变的可行性，其多模态模型性能超越传统单模态方法。更重要的是，研究首次系统评估了不同治疗线数下靶向药物的疗效差异，为临床决策提供循证依据。该方法突破组织活检局限，尤其适用于无法获取病理样本的晚期患者，且CT检查的普及性使其具备大规模推广潜力。未来通过多中心验证优化，这种非侵入性预测工具有望成为肺癌精准诊疗的新标准。