[发明专利]基于影像组学及语义特征预测CRLM患者的RAS基因状态

说明书

本发明属于智能医疗技术领域，具体涉及一种基于影像组学特征预测晚期结直肠癌肝转移患者的RAS基因状态的模型及其应用。本发明成功构建了基于影像组学特征预测晚期结直肠癌肝转移患者的RAS基因状态的模型：收集患者的初始治疗前增强CT图像，提取影像组学特征，利用1000次Lasso‑Logistic分析得到12个影像组学特征，利用多因素逻辑回归方法构建影像组学预测模型。本发明利用的是增强CT图像，达到经济、无创、快速地预测结直肠癌肝转移患者的RAS基因状态，辅助基因分型，可以帮助临床医生进行精准个体化治疗决策，具有重大的临床意义。

技术领域

本发明属于智能医疗技术领域，具体涉及一种基于影像组学特征预测晚期结直肠癌肝转移患者的RAS基因状态的模型及其应用。

背景技术

结直肠癌（colorectal cancer，CRC）是世界上癌症相关死亡的第三大常见原因。既往有研究表明，约25-30%被诊断为结直肠癌的患者在病程中发生肝转移。在结直肠癌患者中，RAS（KRAS和NRAS）基因突变状态被越发广泛应用于指导临床决策。在针对结直肠癌肝转移（colorectal liver metastasis，CRLM）患者的手术治疗上，安全手术切缘的建议是至少为10mm。然而，对于携带RAS基因突变的CRLM患者，目前还没有明确的最佳切缘。因此，对于携带RAS基因突变的CRLM患者，肝转移病灶的手术切缘的选择应该有所不同。此外，RAS基因突变与较短的无病生存期（disease-free survival，DFS）和总生存期（overalsurvival，OS）相关。RAS基因的突变状态对晚期结直肠癌患者的治疗选择有着至关重要的影响。

在晚期结直肠癌患者中，明确RAS基因突变状态是后续治疗的“必经之路”。目前对RAS基因的突变状态检测通常需要通过对手术或活检所获得的组织标本进行分析，这一方法不仅具有侵入性，并且费用较高。尤其是对于组织标本年代久远、无法行穿刺活检术的患者来说，通过影像组学实现对RAS基因状态的无创预测显得格外重要。影像组学（Radiomics）的基本原理正是通过分析医学影像中的高通量的特征信息反映微观水平（如蛋白质、基因、信号通路）的特征。利用CT图像中的影像组学特征构建RAS基因状态预测模型具有多种得天独厚的优势，（1）无创：传统的RAS基因状态检测手段需要依靠对组织标本的分析，而该模型使用的是CT图像数据，不需要对患者进行有创操作；（2）数据来源广泛：全腹增强CT可谓是晚期结直肠癌患者中最常见的辅助检查之一；（3）成本低廉：该模型是对CT图像的“二次利用”，不需要再增加患者的治疗费用；（4）等待期短：增强CT图像可以说是“立等可取”，患者在完成CT扫描检查后，CT图像可以瞬时获得，而传统的检测手段一般需要等待5-7个工作日才能明确RAS基因突变状态。这种非侵入性、数据来源广泛、成本低廉、等待期短的预测方法可以进一步辅助临床医生对CRLM患者的治疗决策。

发明内容

针对上述现有技术存在的缺陷，本发明提供一种基于影像组学特征预测CRLM患者的RAS基因状态的模型及其应用。该模型可用于预测CRLM患者的RAS基因状态，辅助医生对疾病做出更准确的判断以及治疗决策。

为了实现上述目的，本发明提供了如下技术方案。

本发明提供了一种基于影像组学特征预测CRLM患者的RAS基因状态的模型的构建方法，其特征在于，所述方法基于影像组学特征建立，具体步骤如下：

S1. 收集初诊时为晚期肠癌肝转移患者的增强CT影像学图像数据；

S2. 对S1收集的增强CT影像学图像数据进行分析，分割感兴趣区域，提取影像特征；

S3. 利用1000次Lasso-Logistic分析，其中12种影像特征及参数的组合稳定重复出现了900次以上；

S4.利用多因素逻辑回归方法对S3得到的12个影像组学特征，构建得到相应的基于影像组学特征的RAS基因状态预测模型。

进一步地，S2中所述分割感兴趣区域采用三维半自动分割方法，对门静脉期CT图像中的感兴趣区域进行分割。