EGFR-TKI治疗后非小细胞肺癌获得性T790M突变的预测：差值放射组学与临床特征的整合及SHAP值解释

《BMC Medical Imaging》：Predicting acquired T790M mutations in non-small cell lung cancer after EGFR-TKI therapy: integration of delta-radiomics and clinical characteristics with SHAP interpretation

　　

摘要

背景

本研究的目的是评估在一线治疗前，联合德尔塔放射组学和临床特征对预测非小细胞肺癌（NSCLC）患者接受表皮生长因子受体（EGFR）酪氨酸激酶抑制剂（EGFR-TKIs）治疗过程中出现的EGFR T790M耐药突变的价值。

方法

本研究为回顾性研究，纳入了2013年1月至2019年9月间接受一线EGFR酪氨酸激酶抑制剂（TKI）治疗后疾病进展的非小细胞肺癌（NSCLC）患者。患者被随机分配至训练组和测试组。基于临床特征、非增强CT（NECT）放射组学特征、德尔塔放射组学特征以及临床与德尔塔放射组学特征的组合，开发了四个用于预测T790M突变获取的模型。通过受试者工作特征曲线下面积（AUC）和决策曲线分析（DCA）选择最优模型。此外，采用沙普利加性解释（SHAP）可解释性框架对模型的决策过程进行可视化和解释。

结果

本研究共纳入285例患者（训练集213例，测试集72例）。在测试集中，临床模型、NECT放射组学模型、德尔塔放射组学模型和联合模型的AUC分别为0.70、0.63、0.75和0.82。相应的准确率分别为66.7%、57.0%、72.2%和79.2%。SHAP工具识别出10个显著特征，包括2个临床特征和8个放射组学特征。

结论

基于德尔塔放射组学并结合临床特征建立的模型在预测获得性T790M突变状态方面显示出潜力，并提供了初步的可解释性。在临床应用前，仍需进行前瞻性多中心验证。