基于成像表型的多组学分析识别膀胱癌TP53突变模式的价值.pdfVIP

影像研究与医学应用2024年9月第8卷第17期论著

基于成像表型的多组学分析识别膀胱癌

TP53突变模式的价值

1223312

陈潇豫，魏达友，林艳，何敏诗，张朝浩，林攀，吴林永（通信作者）

CT

（1茂名市人民医院科广东茂名525000）

（2茂名市人民医院超声医学科广东茂名525000）

（3茂名市人民医院病理科广东茂名525000）

【摘要】目的：基于放射组学、深度学习、病理组学多组学分析成像表型特征与膀胱癌（BLCA）肿瘤蛋白53（TP53）突变模式的关系。

方法：基于公共数据库下载57例BLCA患者的多组学数据。以术前动脉期CT提取放射组学和深度学习特征，从术后苏木精-伊红

染色病理图提取病理组学特征。主成分分析和Relief双重降维特征后，基于随机森林算法开发TP53突变列线图。使用受试者操作特

性曲线下面积（AUC）评估列线图的性能。结果：经过21个放射组学特征、9个深度学习特征和9个病理组学特征降维后确定24个

特征开发列线图，训练队列和验证队列的曲线下面积分别为0.95和0.87，准确率为0.88和0.88，灵敏度为0.87和0.90，特异度

为0.88和0.86。结论：利用多组学成像表型信息互补作用阐明了成像表型特征与BLCA—TP53突变模式的关系，可作为TP53突变

的非侵入性替代标记，为精准医学管理提供依据。

膀胱癌；TP53突变；放射组学；深度学习；病理组学；多组学分析

【关键词】

R445A2096-3807（2024）17-0033-04

【中图分类号】【文献标识码】【文章编号】

ThevalueofidentifyingTP53mutationpatterninbladdercancerbymulti-omicsanalysisbasedonimagingphenotype

1223312

CHENXiaoyu,WEIDayou,LINYan,HEMinshi,ZHANGChaohao,LINPan,WULinyong(Correspondingauthor)

1DepartmentofCT,MaomingPeoplesHospital,Maoming,Guangdong525000,China;

2DepartmentofUltrasound,MaomingPeoplesHospital,Maoming,Guangdong525000,China;

3DepartmentofPathology,MaomingPeoplesHospital,Maoming,Guangdong525000,China

AbstractObjectiveTheaimwastoinvestigatetherelationshipbetweenimagingphenotypicfeaturesandTP53mutationpatterns