清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Radiomic Detection of EGFR Mutations in NSCLC

无线电技术 癌症影像学 表皮生长因子受体 医学 接收机工作特性 人工智能 T790米 机器学习 肿瘤科 内科学 计算机科学 吉非替尼 肺癌 癌症
作者
Giovanni Rossi,Emanuele Barabino,Alessandro Fedeli,Gianluca Ficarra,Simona Coco,Alessandro Russo,Vincenzo Adamo,Francesco Buemi,Lodovica Zullo,Mariella Dono,Giuseppa De Luca,Luca Longo,Maria Giovanna Dal Bello,Marco Tagliamento,Angela Alama,Giuseppe Cittadini,Paolo Pronzato,Carlo Genova
出处
期刊:Cancer Research [American Association for Cancer Research]
卷期号:81 (3): 724-731 被引量:56
标识
DOI:10.1158/0008-5472.can-20-0999
摘要

Abstract Radiomics is defined as the use of automated or semi-automated post-processing and analysis of multiple features derived from imaging exams. Extracted features might generate models able to predict the molecular profile of solid tumors. The aim of this study was to develop a predictive algorithm to define the mutational status of EGFR in treatment-naïve patients with advanced non–small cell lung cancer (NSCLC). CT scans from 109 treatment-naïve patients with NSCLC (21 EGFR-mutant and 88 EGFR-wild type) underwent radiomics analysis to develop a machine learning model able to recognize EGFR-mutant from EGFR-WT patients via CT scans. A “test–retest” approach was used to identify stable radiomics features. The accuracy of the model was tested on an external validation set from another institution and on a dataset from the Cancer Imaging Archive (TCIA). The machine learning model that considered both radiomic and clinical features (gender and smoking status) reached a diagnostic accuracy of 88.1% in our dataset with an AUC at the ROC curve of 0.85, whereas the accuracy values in the datasets from TCIA and the external institution were 76.6% and 83.3%, respectively. Furthermore, 17 distinct radiomics features detected at baseline CT scan were associated with subsequent development of T790M during treatment with an EGFR inhibitor. In conclusion, our machine learning model was able to identify EGFR-mutant patients in multiple validation sets with globally good accuracy, especially after data optimization. More comprehensive training sets might result in further improvement of radiomics-based algorithms. Significance: These findings demonstrate that data normalization and “test–retest” methods might improve the performance of machine learning models on radiomics images and increase their reliability when used on external validation datasets.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
房天川完成签到 ,获得积分10
5秒前
wangye完成签到 ,获得积分10
22秒前
47秒前
Amadeus发布了新的文献求助10
50秒前
Amadeus完成签到,获得积分10
56秒前
实力不允许完成签到 ,获得积分10
1分钟前
1分钟前
ww完成签到,获得积分10
2分钟前
波里舞完成签到 ,获得积分10
3分钟前
3分钟前
郑先生完成签到 ,获得积分10
3分钟前
科研通AI2S应助lilili采纳,获得10
3分钟前
刘刘完成签到 ,获得积分10
3分钟前
lilili发布了新的文献求助10
3分钟前
4分钟前
今天又来搬砖啦完成签到,获得积分10
5分钟前
川藏客完成签到 ,获得积分10
5分钟前
6分钟前
6分钟前
蔡俊辉发布了新的文献求助10
6分钟前
6分钟前
Eri_SCI完成签到 ,获得积分10
6分钟前
7分钟前
8R60d8应助付怀松采纳,获得10
7分钟前
mzhang2完成签到 ,获得积分10
8分钟前
zai完成签到 ,获得积分10
9分钟前
9分钟前
hugeyoung发布了新的文献求助10
9分钟前
hugeyoung完成签到,获得积分10
9分钟前
红箭烟雨完成签到,获得积分10
9分钟前
10分钟前
wy发布了新的文献求助10
10分钟前
脑洞疼应助qdlsc采纳,获得10
10分钟前
10分钟前
wy完成签到,获得积分10
10分钟前
qdlsc发布了新的文献求助10
10分钟前
小白完成签到 ,获得积分10
10分钟前
12分钟前
沙海沉戈完成签到,获得积分0
13分钟前
13分钟前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Case Research: The Case Writing Process 300
Global Geological Record of Lake Basins 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142805
求助须知:如何正确求助?哪些是违规求助? 2793651
关于积分的说明 7807147
捐赠科研通 2449931
什么是DOI,文献DOI怎么找? 1303553
科研通“疑难数据库(出版商)”最低求助积分说明 627016
版权声明 601350