Can CT-based radiomics signature predict KRAS/NRAS/BRAF mutations in colorectal cancer?

克拉斯 神经母细胞瘤RAS病毒癌基因同源物 医学 结直肠癌 肿瘤科 无线电技术 内科学 队列 病理 癌症 放射科
作者
Lei Yang,Di Dong,Mengjie Fang,Yongbei Zhu,Yali Zang,Zhenyu Liu,Hongmei Zhang,Jianming Ying,Xinming Zhao,Jie Tian
出处
期刊:European Radiology [Springer Science+Business Media]
卷期号:28 (5): 2058-2067 被引量:245
标识
DOI:10.1007/s00330-017-5146-8
摘要

To investigate whether CT-based radiomics signature can predict KRAS/NRAS/BRAF mutations in colorectal cancer (CRC). This retrospective study consisted of a primary cohort (n = 61) and a validation cohort (n = 56) with pathologically confirmed CRC. Patients underwent KRAS/NRAS/BRAF mutation tests and contrast-enhanced CT before treatment. A total of 346 radiomics features were extracted from portal venous-phase CT images of the entire primary tumour. Associations between the genetic mutations and clinical background, tumour staging, and histological differentiation were assessed using univariate analysis. RELIEFF and support vector machine methods were performed to select key features and build a radiomics signature. The radiomics signature was significantly associated with KRAS/NRAS/BRAF mutations (P 0.05). The proposed CT-based radiomics signature is associated with KRAS/NRAS/BRAF mutations. CT may be useful for analysis of tumour genotype in CRC and thus helpful to determine therapeutic strategies. • Key features were extracted from CT images of the primary colorectal tumour. • The proposed radiomics signature was significantly associated with KRAS/NRAS/BRAF mutations. • In the primary cohort, the proposed radiomics signature predicted mutations. • Clinical background, tumour staging, and histological differentiation were unable to predict mutations.
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
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
云止完成签到 ,获得积分10
1秒前
fantastic完成签到,获得积分10
1秒前
2秒前
Xuelin_11发布了新的文献求助10
2秒前
乐观的黎云完成签到 ,获得积分10
2秒前
小凯完成签到 ,获得积分0
2秒前
调皮的问丝完成签到,获得积分10
4秒前
坦率白竹完成签到,获得积分10
4秒前
student发布了新的文献求助10
4秒前
有生之年完成签到 ,获得积分10
5秒前
zy7227应助科研通管家采纳,获得10
5秒前
妳口妳口应助科研通管家采纳,获得10
5秒前
cc应助科研通管家采纳,获得10
5秒前
研友_VZG7GZ应助科研通管家采纳,获得10
5秒前
小蘑菇应助科研通管家采纳,获得10
5秒前
隐形曼青应助科研通管家采纳,获得10
5秒前
LordRedScience完成签到,获得积分10
5秒前
完美世界应助王阿欣采纳,获得10
5秒前
英俊的铭应助科研通管家采纳,获得10
5秒前
科研通AI2S应助科研通管家采纳,获得30
5秒前
852应助科研通管家采纳,获得20
5秒前
妳口妳口应助科研通管家采纳,获得10
5秒前
molihuakai应助科研通管家采纳,获得10
5秒前
汉堡包应助科研通管家采纳,获得30
6秒前
bkagyin应助科研通管家采纳,获得10
6秒前
ww2026应助科研通管家采纳,获得10
6秒前
无花果应助科研通管家采纳,获得10
6秒前
生动的鹰完成签到,获得积分10
6秒前
Ava应助candy采纳,获得10
6秒前
secbox完成签到,获得积分0
7秒前
7秒前
博儒艾特发布了新的文献求助10
7秒前
上官若男应助一只CY采纳,获得10
9秒前
wanci应助丰富的唇彩采纳,获得10
9秒前
难过凡霜完成签到,获得积分10
10秒前
喵酱应助梦比优斯采纳,获得10
10秒前
大侦探罗小黑完成签到,获得积分10
10秒前
CipherSage应助Xuelin_11采纳,获得50
11秒前
xiaoxiao33发布了新的文献求助10
11秒前
12秒前
高分求助中
Adhesion Science: Principles & Practice 1234
Signals, Systems, and Signal Processing 610
Solution-State NMR of Lignocellulosic Biomass 400
Introduction to Cosmetic Formulation and Technology, 2nd Edition 400
Petrology and Plate Tectonics,2025 400
Burger's Medicinal Chemistry and Drug Discovery 400
A Step-by-Step Guide to Qualitative Data Coding 2nd Edition 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6692259
求助须知:如何正确求助?哪些是违规求助? 8435277
关于积分的说明 18022561
捐赠科研通 5920581
什么是DOI,文献DOI怎么找? 2985496
邀请新用户注册赠送积分活动 1961421
关于科研通互助平台的介绍 1900765