论文部分内容阅读
目的:利用计算机断层纹理分析(Computer tomography texture analysis,CTTA)技术,回顾性分析肺腺癌(Lungadenocarcinoma,LAC)的计算机断层(Computer tomography,CT)平扫及增强图像,探寻该技术对普通野生型LAC及表皮生长因子受体(epidermal growth factor receptor,EGFR)基因突变LAC的鉴别及预测能力。方法:选取2014.01～2016.12间做过EGFR基因检测的连续性病例资料。排除无效病例后,对入组病例采集基本信息及CT图像,剔除无效病例后分为平扫组及增强组。运用ImageSegmenter软件对CT图像进行切割。切割后的图像提取21个纹理参数,对该参数进行统计分析,建立预测模型。计数参数采用卡方检验。符合正态分布的资料进行独立样本t检验、ANOVA或Welch’sANOVA检验,基因突变亚组间采用Bonferroni或者Games-Howell检验,并求得均值及标准差。不符合正态分布的资料,采用Kruskal-Wallis检验进行组间检验。采用主成分分析法提取因子,建立预测模型。当参数提取后确定各因子系数,通过受试者工作曲线(receiver operating characteristic curve,ROC)判断该方法的诊断效能,求得曲线下面积(areaunder the cure,AUC),并采用约登指数判断最佳的敏感性和特异性。并对最终亚组数据进行检验判断平扫组及增强组间的诊断效能差异。结果:平扫组分析结果显示,18号外显子与野生型组间仅有一个纹理参数有统计学意义,预测模型AUC为0.853,检验敏感性为70.00%,特异性为87.05%(p<0.001);19号外显子与野生型组间有六个纹理参数有统计学差异,预测模型AUC为0.702,检验的敏感性为58.44%,特异性为74.82%(p<0.001);20号外显子与野生型组间有五个纹理参数显示有统计学差异,预测模型AUC为0.773,检验敏感性为90.91%,特异性为56.83%,(p<0.001);21号外显子与野生型组间有六个纹理参数显示有统计学差异,预测模型AUC为0.743,检验敏感性为67.40%,特异性为74.82%(p<0.001)。增强组的分析结果显示,18号外显子和20号外显子在增强组的纹理参数分析中并未发现有统计学意义的参数;19号外显子与野生型组间有三个纹理参数显示有统计学差异,预测模型AUC为0.708,检验的敏感性为70.79%,特异性为66.69%(p<0.001);21号外显子与野生型组间有六个纹理参数显示有统计学差异,预测模型AUC为0.636,检验敏感性为54.93%,特异性为73.21%(p<0.001)。对比平扫组及增强组对19号外显子基因突变的预测能力,p值为0.914;对比平扫组及增强组对21号外显子基因突变的预测能力,p 值为 0.128。结论:采用本研究提取的21个纹理参数进行CT图像纹理分析,可作为检测EGFR基因突变的一种辅助诊断方法,用于普通CT诊断的补充,或者用于临床无法检测而又怀疑EGFR基因突变的患者,为临床提供辅助信息。普通平扫与增强图像均可提供一定的诊断信息。相比增强图像,普通平扫图像能提供更多的鉴别EGFR基因突变亚型的信息,尤其在18号和20号外显子基因突变的应用上。