肺癌是世界上最常见的恶性肿瘤,也是发病率和死亡率最高的肿瘤。在众多的肺癌治疗方法中,靶向药物治疗具有疗效好,不良反应发生率低等优点,越来越被肿瘤学术界和广大患者所认可,已成为中晚期肺癌治疗的主要手段。但是靶向药价格昂贵,药效评估周期较长,如果无法对靶向治疗的有效性进行及时的判断,不仅影响治疗疗效,也会形成极大经济浪费。因此,对靶向药物疗效评估的研究对于肺癌的治疗具有重要的研究意义和使用价值。影像组学是近几年来影像研究的热点之一,在肿瘤诊断、分级、疗效评估以及预后等方面都有重要应用。利用影像组学对非小细胞肺癌靶向药物疗效进行预测属于无创检查,对个体化治疗发展具有一定的指导意义。因此,本文通过对EGFR基因突变的非小细胞肺癌患者的CT影像组学特征提取和降维,进行影像组学特征对靶向治疗疗效预测研究。首先,收集完整的病例资料。经过医院伦理委员会的批准,回顾性收集2014年1月至2016年12月于湖北省肿瘤医院检查的非小细胞肺癌患者共86例,筛选出经过一线靶向治疗且无肺部放疗,具备完整的临床病例与治疗前CT增强影像资料的患者共86例。其次,计算病例影像组学特征。对CT影像进行预处理,由一名诊断医生利用ITK软件在增强CT图像肿瘤所有层面行肿瘤区域的交互式分割,另一名医生进行靶区确认,并提取3D影像组学特征396个。然后,对396个初始特征进行降维、建模,对疗效进行预测。将所有样本数据按照7:3的比例随机分为训练集和测试集,对靶向药物疗效分为PFS＞6个月组和PFS≤6个月组,通过单因素方差分析、秩和检验、斯皮尔曼相关系数分析等方法进行组学特征降维,得到肺癌增强图像的7个特征。在此基础上,构建SVM、KNN、Boosting和Logistic回归四种模型,对疗效进行预测。实验结果表明,SVM、KNN和Boosting模型预测的准确性、特异性、精准率、召回率均低于Logistic回归模型。进一步对Logistic回归模型进行测试,其评估结果的AUC、准确率、特异率、精准率、召回率和F分数分别为0.796、0.778、0.5、0.739、0.894、0.85。通过CT增强图像的3D影像组学标签用于预测非小细胞肺癌EGFR靶向药物治疗疗效,可以得到较为可靠的结果,有望成为非小细胞肺癌EGFR靶向治疗疗效预测和预后判断的工具。