对于肺癌患者,与手术相比,放射治疗会增加局部复发 (LR) 的风险,但毒性特征更佳。KEAP1/NFE2L2 突变状态 (Mut KEAP1/NFE2L2) 与接受放射治疗的患者的 LR 显着相关,但很少可用。使用非侵入性方式预测 Mut KEAP1/NFE2L2 有助于进一步个性化每种治疗策略。方法:基于 770 名患者的公共队列,首先使用连续基因表达水平开发模型 RNA (M-RNA) 来预测 Mut KEAP1/NFE2L2 ,从而得到二元输出。然后构建模型 PET/CT (M-PET/CT) 以使用 PET/CT 提取的放射组学特征来预测 M-RNA 二元输出。 M-PET/CT 在接受根治性容积调强弧形放射治疗的 151 名外部队列中得到了验证。每个模型都是使用多层感知器网络方法在单独的队列上构建、内部验证和评估的。结果:M-RNA 在测试队列中的 C 统计量为 0.82。在 101 名患者的训练队列中,保留的 M-PET/CT 的曲线下面积为 0.90(P,0.001)。将 20% 的概率阈值应用于测试队列后,M-PET/CT 的 C 统计量达到 0.7。由于患者根据 LR 风险显著分层,风险比为 2.61(P = 0.02),因此在容积调强弧形放射治疗队列中验证了相同的放射组学模型。结论:我们的方法可以使用 PET/CT 提取的放射组学特征预测 Mut KEAP1/NFE2L2,并有效地对接受放射治疗的外部队列中有 LR 风险的患者进行分类。
