据统计，肺癌（LC）仍然是全世界癌症相关发病率和死亡率的主要原因。表皮生长因子受体（EGFR）是非小细胞肺癌（NSCLC）中最常见的致癌驱动突变。现阶段，第一代或第二代表皮生长因子受体酪氨酸激酶抑制剂（TKIs）已被确定为治疗携带表皮生长因子受体突变的NSCLC患者最有希望的药物之一。然而，几乎所有最初对这些TKIs有显著反应的患者最终都会通过各种机制产生获得性耐药。体细胞突变，即苏氨酸790与蛋氨酸（T790M）的替换，大约占一半是耐药的主要原因。除了获得性T790M突变外，原发性T790M突变偶尔会在NSCLC患者中检测到，这些患者对第一代或第二代TKIs也不敏感。中枢神经系统（CNS）是LC最常见的转移部位，也是治疗后复发的初始部位，与病情进展不佳有关。一些研究结果表明，在接受第一代或第二代TKIs治疗的EGFR突变患者中，T790M与脑转移（BM）明显相关。奥希美替尼是第三代TKIs，可以同时针对EGFR激活突变以及T790M耐药突变，包括原发性和获得性T790M。因此，在NSCLC病程中评估EGFR突变情况，早期识别T790M耐药性突变，特别是对于疾病进展的患者来说可以及时调整靶向治疗策略、意义重大。

现阶段，临床上确认基因型的金标准仍然是通过活检进行病理检查。但大多数T790M突变是在EGFR-TKIs治疗期间由肿瘤细胞获得的，其检测需要对基因事件进行分析。鉴于活检的侵入性，反复获取样本是不可行的。此外，穿刺活检通常只对病变的一小部分进行量化，可能会受到肿瘤异质性的影响。循环肿瘤DNA（ctDNA）可作为评估T790M突变的替代方法，但受限于循环血液中的低丰度和高成本。

磁共振成像（MRI）是诊断和评估BM的基石，然而分子和遗传信息是肉眼看不见的。因此，开发一个非侵入性的、可重复的影像学标志物，实现整个肿瘤病变的评估以预测T790M耐药性突变，将具有很大的意义。放射组学是一个不断发展的领域，通过从图像中提取一组特征，可以将医学图像自动分类到一个预定义的群体中。一些证据表明，基于转移性肿瘤的放射组学可预测肿瘤的基因型。然而据我们所知，还没有研究评估过基于BM的多序列MRI放射组学在识别T790M耐药突变方面的价值。

近日，发表在academic radiology杂志的一项研究开发并验证了一个用于识别有BM的NSCLC的EGFR T790M突变的基于多序列MRI的机器学习模型，并进一步探讨了哪种磁共振序列能达到最佳的诊断性能，为临床的进一步准确的进行风险评估。

本项回顾性研究招募了233名NSCLC患者，其中包括来自两家医院的95名T790M患者和138名非T790M患者，分别作为训练队列和测试队列。分别从T2WI、T2流体增强反转恢复（T2-FLAIR）、扩散加权成像（DWI）和对比增强T1加权成像（T1-CE）序列中提取放射组学特征。根据最大信息系数和Boruta方法，选择了最可预测的特征。然后通过随机森林分类器建立四个放射组学模型来描述T790M突变的特征。构建ROC曲线、F1得分和DCA曲线，以验证四个模型的能力和性能。 
DWI模型表现出最好的性能，在训练队列中AUC和F1分数为0.886和0.789，在测试队列中为0.850和0.743。DCA曲线也显示，在测试队列中，DWI模型的整体净效益高于其余三个模型。其他三个模型无论在训练或测试队列中也有一定的分类能力，特别是T2-FLAIR模型。 

图 DWI、T2-FLAIR、T1-CE和T2WI模型的ROC曲线。(a) 训练队列，(b) 测试队列

本项研究表明，基于多序列MRI的放射组学可预测EGFR T790M耐药突变的出现，特别是基于DWI序列的放射组学特征价值更高。

原文出处：

Ye Li,Xinna Lv,Bing Wang,et al.Predicting EGFR T790M Mutation in Brain Metastases Using Multisequence MRI-Based Radiomics Signature.DOI:10.1016/j.acra.2022.12.030