目的:本研究旨在探讨影像组学技术鉴别肺癌肝转移瘤患者的表皮生长因子受体(Epidermal growth factor receptor,EGFR)突变型和EGFR野生型的价值。通过建立基于肺癌肝转移瘤患者的肺部计算机断层影像(Computed tomography,CT)和肝转移瘤磁共振影像(Magnetic resonance imaging,MRVX-445 IC50I)相结合的影像组学模型和基于肝脏多序列MRI的肿瘤-肝界面(Tumor-liver interface,TLI)区域的影像组学模型预测肺癌肝转移瘤患者的EGFR基因突变状态。材料与方法:本研究回顾性纳入自2017年8月至2021年12月的174例患者,包括来自辽宁省肿瘤医院的130例患者和来自中国医科大学盛京医院的44例患者,所有患者均经病理证实为肺癌肝转移瘤患者。第三章节基于肺癌肝转移瘤患者的原发肿瘤CT图像和转移瘤MRI的瘤内和瘤周区域提取影像组学特征并建立影像组学模型。第四章节基于肝转移瘤患者的增强的T1加权(Contrast-enhanced T1-weighted,CET1)和T2加权(T2-weighted,T2W)序列MRI图像,分别基于TLI区域和完整肿瘤区域提取影像组学特征并建立影像组学模型。应用最小绝对收缩和选择算子(Least absolute shrinkage and selection operator,LASSO)回归算法筛选提取出的组学特征,并建立用于预测患者的EGFR基因突变状态的影像组学特征(Radiomics signature,RS)模型。通过绘制受试者工作特性(Receiver operating characteristic,ROC)曲线和混线矩阵,以评估RS模型的预测能力。模型的性能评价指标包括ROC曲线下的面积(Area under curve,AUC),灵敏度(Sensitivity,SEN)和特异性(Specificity,SPE)。结果:第三节的结果显示基于患者的原发型肺癌CT影像和肝转移瘤MRI影像及其融合形式构建的RS模型,在训练集(AUCs,RS-Primary:0.826,RS-Metastasis:0.821,RS-Combine:0.908)和测试集(AUCs,RS-Primary:0.760,RS-Metastasis:0.791,RS-Combine:0.Translational Research884)中,RS-Combselleckchem MK-1775ine模型通过融合原发肺癌CT图像和转移瘤MRI的影像信息获得最高的预测性能。临床因素分析结果显示EGFR突变型组和EGFR野生型组的吸烟状况在训练集中有显著差异(P<0.05)。第四节的特征筛选结果显示基于多序列MR图像的TLI区域(RS-TLI)筛选出5个与EGFR基因突变状态相关的特征,基于完整肿瘤区域(RS-W)筛选出6个与EGFR基因突变状态相关的特征。模型性能统计结果显示基于TLI区域构建的RS模型在训练集(AUC,RS-TLI:0.842,RS-W:0.797)、内部验证集(AUC,RS-TLI:0.771,RS-W:0.676)和外部验证集(AUC,RS-TLI:0.733,RS-W:0.679)中均显示出优于基于完整肿瘤区域构建的RS模型的预测性能。结论:本研究结果表明,基于肝转移瘤患者医学图像的影像组学模型可用于检测患者的EGFR基因突变状态。建立的多器官联合影像组学特征模型可能有助于指导转移性肺癌患者的个体治疗策略。基于患者医学影像的TLI区域建立的模型可以提高对肺癌肝转移瘤患者的EGFR基因突变的预测性能。建立的多参数MRI影像组学模型可以作为新的标记物用于指导患者的个性化治疗。