【关键词】 影像组学；非小细胞肺癌；基因突变

    中图分类号：R734.2"" 文献标志码：A"" DOI：10.3969/j.issn.1003-1383.2024.04.012

    非小细胞肺癌(non-small-cell lung cancer，NSCLC)是全球癌症相关死亡的主要原因之一[1]，80%以上的肺癌为NSCLC[2]，超过60%的NSCLC患者表达表皮生长因子受体(epidermal growth factor receptor，EGFR)，患者复发率高，预后差。有研究[3-4]表明，EGFR酪氨酸激酶抑制剂可以提高NSCLC EGFR基因突变患者的生存率并改善患者预后。因此，在对NSCLC患者进行靶向药物治疗之前，检测EGFR基因的表达状态极为重要。在临床上，EGFR只能通过免疫组化染色获得，组织样本的采集具有侵入性，并存在一定的采样误差，无法准确评估其表达水平。影像组学通过高通量提取图像中的定量特征，挖掘出更多的生物学信息，全面评估肿瘤内部异质性，具有反映相关肿瘤基因表型的潜力，在预测NSCLC EGFR 突变中具有良好的应用价值，为临床提供一种无创、操作简便的检测技术。本文旨在对影像组学在NSCLC EGFR突变诊疗中的应用研究进展进行综述。

    1 影像组学的概述

    影像组学由LAMBIN等[5]在2012年提出，是指从影像图像中高通量提取的图像特征，在影像图像中创建可挖掘的数据库。影像组学作为一种新兴技术，在癌症早期诊断、风险分层、个体化治疗和总体预后预测等方面具有潜在的应用价值。影像组学的过程主要涉及4个步骤。①图像采集：影像组学的第一步是获取高质量的标准化成像，并储存于PACS系统以备使用。用于影像组学分析的图像常以DICOM格式导出。②图像分割：即感兴趣区的分割，图像分割主要有3种方法：手动、半自动或全自动。在不同情况下将三种方法结合使用更能提高分割的效率、准确性及可重复性。③特征提取：影像组学特征可以分为形状特征、一阶直方图特征、二阶直方图或纹理特征。使用高通量方法提取ROI的定量成像特征后，对提取的特征进行筛选及降维。④数据分析：对筛选出的最相关特征建立模型及验证。

    2 影像组学在非小细胞肺癌EGFR突变型诊断中的应用

    影像组学在NSCLC的基因表型研究中，绝大多数以EGFR基因表型作为研究对象。既往有相关研究通过常规CT图像特征预测NSCLC中的EGFR突变。RIZZO等[6]和HSU等[7]的研究中，用于预测EGFR突变的CT图像特征包括病灶大小和磨玻璃影(ground-glass opacities ......