用肺腺癌CT图片，人工智能精准预测EGFR基因突变状态

号外

《精准医学前沿》组建了10余个生物医学应用专业微信交流群，包括人工智能医学应用前沿，肿瘤（靶向治疗和细胞免疫治疗），单细胞测序医学应用，非编码RNA与疾病，干细胞与再生医学，临床基因组解读与遗传咨询，基因编辑医学应用，表观修饰医学应用，罕见病和单基因病，病原感染与宏基因组，神经系统疾病，心脑血管疾病等。长按以下二维码加微信（Precision_medcine），备注想加入的群或研究领域，再邀进相关群，非诚勿扰。

精准医学前沿资讯

2019年11月11日，来自中国科学院自动化研究所分子成像重点实验室的Shuo Wang et al.研究人员在国际权威期刊《Eur Respir J》（IF：12.242）刊发《Predicting EGFR Mutation Status in LungAdenocarcinoma on CT Image Using Deep Learning》的论文，该论文表示基于肺腺癌CT图片，使用深度学习算法可以精准预测EGFR基因突变的状态。

表皮生长因子受体(EGFR)基因分型是指导治疗肺癌的关键，如在肺腺癌(LA)中使用酪氨酸激酶抑制剂。传统的EGFR基因型鉴定需要活检和序列检测，这种检测方法是具有侵入性的，可能会导致难以获取组织样本。

在此，研究人员提出了一种深度学习(deep learning, DL)模型，通过非侵入性计算机断层扫描(non-invasive computed tomography, CT)预测肺腺癌中EGFR的突变状态。研究人员回顾性收集了两家医院844例LA患者术前CT图像、EGFR突变及临床资料。提出端到端DL模型，通过CT扫描预测EGFR突变状态。

通过对14926张CT图像的训练，深度学习模型在两个主要队列(n=603;AUC=0.85, 95% CI 0.83-0.88)和独立验证队列(n=241;AUC=0.81,95% CI 0.79-0.83)，与以往专家手工CT特征或临床特征的研究比较显示有显著改善(p

研究人员还表示：由于CT是肺癌诊断的常规方法，深度学习模型为EGFR突变状态预测提供了一种无创且易于使用的有效方法。

——End——

本文系精准医学前沿原创编译，欢迎分享，转载需后台联系授权