目的:探讨呼出气一氧化氮水平(fractional exhaled nitric oxide,FeNO)在支气管哮喘、慢性阻塞性疾病(chronic obstructive pulmonary diseases,COPD)中的变化情况及与肺功能中第1秒用力呼气量(forced expiratory volume in the first s...目的:探讨呼出气一氧化氮水平(fractional exhaled nitric oxide,FeNO)在支气管哮喘、慢性阻塞性疾病(chronic obstructive pulmonary diseases,COPD)中的变化情况及与肺功能中第1秒用力呼气量(forced expiratory volume in the first second,FEV1)、第1秒用力呼气量占用力肺活量的百分比(forced expiratory volume in the first second/forced vital capacity,FEV1/FVC)的相关性。方法:选取57例疑似支气管哮喘患者(21例为急性发作期、12例为非急性发作期、24例为非支气管哮喘)、38例COPD患者(25例为急性加重期、13例为稳定期)、26例正常对照者,分别测定FeNO,FEV1,FEV1/FVC,并进行统计学分析。结果:在FeNO诊断支气管哮喘中,若FeNO以20.15 PPb为切点,57例疑似支气管哮喘患者诊断为支气管哮喘的阳性预测值94.1%,阴性预测值95.7%,灵敏度97.0%,特异度91.7%;33例确诊为支气管哮喘患者的FeNO与26例正常对照者比较,差异有统计学意义(P<0.05);支气管哮喘非急性发作期患者FeNO较急性期显著下降,差异有统计学意义(P<0.05),FEV1和FEV1/FVC差异无统计学意义(P>0.05);支气管哮喘患者FeNO水平与FEV1和FEV1/FVC无明显相关性(r=-0.186,-0.236,均P>0.05);38例COPD患者的FeNO,FEV1,FEV1/FVC与26例正常对照者比较,差异有统计学意义(均P<0.05);25例COPD急性加重期患者FeNO,FEV1,FEV1/FVC与13例COPD稳定期比较,差异有统计学意义(均P<0.05);13例COPD稳定期患者FeNO与正常对照者比较,差异无统计学意义(P>0.05);COPD患者FeNO水平与FEV1和FEV1/FVC无明显相关性(r=-0.167,-0.285,均P>0.05)。结论:支气管哮喘患者FeNO水平显著升高,在用FeNO诊断支气管哮喘中,若FeNO以20.15 PPb为切点,则FeNO诊断该疾病有较高的灵敏度和特异性;急性发作期FeNO较非急性发作期明显升高,可用于评估支气管哮喘的控制程度。COPD患者FeNO在急性加重期升高,稳定期无明显升高。展开更多
目的:非小细胞肺癌(non-small cell lung cancer,NSCLC)患者预后较差,且30%的患者在诊断时已处于晚期。EGFR和KRAS基因突变是影响NSCLC患者预后的重要因素,靶向治疗可显著改善这类患者的生存期。组织活检虽是检测基因突变的金标准,但存...目的:非小细胞肺癌(non-small cell lung cancer,NSCLC)患者预后较差,且30%的患者在诊断时已处于晚期。EGFR和KRAS基因突变是影响NSCLC患者预后的重要因素,靶向治疗可显著改善这类患者的生存期。组织活检虽是检测基因突变的金标准,但存在侵入性强、肿瘤异质性导致的取样误差及重复性差等问题。本研究旨在基于放射基因组学特征构建预测NSCLC患者的EGFR和KRAS基因突变的机器学习模型,以期为临床肿瘤精准治疗提供参考依据。方法:基于美国癌症影像档案(The Cancer Imaging Archive,TCIA)公开数据集中的Lung-PET-CT-Dx数据,纳入符合条件的NSCLC患者影像学及基因突变信息。采用三维卷积神经网络模型从感兴趣区(regions of interest,ROI)提取影像学特征。使用LightGBM算法对影像学特征进行建模,并分别构建预测EGFR和KRAS基因突变的分类模型。采用5折交叉验证评估模型的性能,并采用受试者操作特征(receiver operator characteristic,ROC)曲线及曲线下面积(area under the curve,AUC)、准确度、敏感度和特异度等指标进行性能验证。结果:本研究构建的模型能有效预测NSCLC患者的EGFR和KRAS基因突变,其中预测EGFR突变的AUC为0.95,KRAS突变的AUC为0.90。同时,模型具有较高的准确度(EGFR为89.66%;KRAS为87.10%)、敏感度(EGFR为93.33%;KRAS为87.50%)和特异度(EGFR为85.71%;KRAS为86.67%),均优于既往模型。结论:基于放射基因组学的机器学习预测模型可作为非侵入性的工具,用于预测NSCLC患者的EGFR与KRAS基因突变。展开更多
文摘目的:探讨呼出气一氧化氮水平(fractional exhaled nitric oxide,FeNO)在支气管哮喘、慢性阻塞性疾病(chronic obstructive pulmonary diseases,COPD)中的变化情况及与肺功能中第1秒用力呼气量(forced expiratory volume in the first second,FEV1)、第1秒用力呼气量占用力肺活量的百分比(forced expiratory volume in the first second/forced vital capacity,FEV1/FVC)的相关性。方法:选取57例疑似支气管哮喘患者(21例为急性发作期、12例为非急性发作期、24例为非支气管哮喘)、38例COPD患者(25例为急性加重期、13例为稳定期)、26例正常对照者,分别测定FeNO,FEV1,FEV1/FVC,并进行统计学分析。结果:在FeNO诊断支气管哮喘中,若FeNO以20.15 PPb为切点,57例疑似支气管哮喘患者诊断为支气管哮喘的阳性预测值94.1%,阴性预测值95.7%,灵敏度97.0%,特异度91.7%;33例确诊为支气管哮喘患者的FeNO与26例正常对照者比较,差异有统计学意义(P<0.05);支气管哮喘非急性发作期患者FeNO较急性期显著下降,差异有统计学意义(P<0.05),FEV1和FEV1/FVC差异无统计学意义(P>0.05);支气管哮喘患者FeNO水平与FEV1和FEV1/FVC无明显相关性(r=-0.186,-0.236,均P>0.05);38例COPD患者的FeNO,FEV1,FEV1/FVC与26例正常对照者比较,差异有统计学意义(均P<0.05);25例COPD急性加重期患者FeNO,FEV1,FEV1/FVC与13例COPD稳定期比较,差异有统计学意义(均P<0.05);13例COPD稳定期患者FeNO与正常对照者比较,差异无统计学意义(P>0.05);COPD患者FeNO水平与FEV1和FEV1/FVC无明显相关性(r=-0.167,-0.285,均P>0.05)。结论:支气管哮喘患者FeNO水平显著升高,在用FeNO诊断支气管哮喘中,若FeNO以20.15 PPb为切点,则FeNO诊断该疾病有较高的灵敏度和特异性;急性发作期FeNO较非急性发作期明显升高,可用于评估支气管哮喘的控制程度。COPD患者FeNO在急性加重期升高,稳定期无明显升高。
文摘目的:非小细胞肺癌(non-small cell lung cancer,NSCLC)患者预后较差,且30%的患者在诊断时已处于晚期。EGFR和KRAS基因突变是影响NSCLC患者预后的重要因素,靶向治疗可显著改善这类患者的生存期。组织活检虽是检测基因突变的金标准,但存在侵入性强、肿瘤异质性导致的取样误差及重复性差等问题。本研究旨在基于放射基因组学特征构建预测NSCLC患者的EGFR和KRAS基因突变的机器学习模型,以期为临床肿瘤精准治疗提供参考依据。方法:基于美国癌症影像档案(The Cancer Imaging Archive,TCIA)公开数据集中的Lung-PET-CT-Dx数据,纳入符合条件的NSCLC患者影像学及基因突变信息。采用三维卷积神经网络模型从感兴趣区(regions of interest,ROI)提取影像学特征。使用LightGBM算法对影像学特征进行建模,并分别构建预测EGFR和KRAS基因突变的分类模型。采用5折交叉验证评估模型的性能,并采用受试者操作特征(receiver operator characteristic,ROC)曲线及曲线下面积(area under the curve,AUC)、准确度、敏感度和特异度等指标进行性能验证。结果:本研究构建的模型能有效预测NSCLC患者的EGFR和KRAS基因突变,其中预测EGFR突变的AUC为0.95,KRAS突变的AUC为0.90。同时,模型具有较高的准确度(EGFR为89.66%;KRAS为87.10%)、敏感度(EGFR为93.33%;KRAS为87.50%)和特异度(EGFR为85.71%;KRAS为86.67%),均优于既往模型。结论:基于放射基因组学的机器学习预测模型可作为非侵入性的工具,用于预测NSCLC患者的EGFR与KRAS基因突变。
