基于CT影像特征预测肺癌放化疗疗效和放射性肺炎发生的应用研究

Concurrent chemoradiotherapy is the guideline recommended treatment for limited stage small cell lung cancer (LS-SCLC) and locally advanced non-small cell lung cancer (LA-NSCLC) who are inoperable, but the five-year survival rate is still low. The clinical outcomes and radiation pneumonitis after concurrent chemoradiotherapy is highly related with patients' survival. However, no reliable or feasible predictive model has been developed to predict patient' sensitivity to chemotherapy or chemoradiotherapy before they receive the treatment. Our previous studies showed that CT imaging features are associated with clinical outcomes in NSCLC treated with stereotactic body radiotherapy. Based on this, we focus on the pre-treatment high resolution CT enhanced images. Both the primary lung lesion and the positive lymph nodes are analyzed. After systematical evaluation, semantic features are manually scored by radiologists. The radiomic features are extracted after 3D segmentation. Along with clinical features and hematological biomarkers, they are incorporated into building the model that could early predict cancer control and radiation pneumonitis in LS-SCLC and LA-NSCLC treated with concurrent chemoradiotherapy. The robustness of model would be independently validated. Decision curve analysis would be employed to evaluate its clinically usefulness to ensure that the model could assist individualized treatment planning.

同步放化疗是局限期小细胞肺癌（LS-SCLC）和不能手术切除的局部进展期非小细胞肺癌（LA-NSCLC）较为有效的首选治疗方案，但患者5年生存率仍较低。同步放化疗疗效和放疗后引起的放射性肺炎对患者预后有重要影响，但目前尚无可靠的且行之有效的指标能够在治疗前预测患者放化疗的敏感性和放射性肺炎的发生。我们前期研究发现CT影像特征与NSCLC患者立体定向放疗后生存期有关。在此基础上，我们拟利用患者治疗前的高分辨力CT增强图像，通过对肺癌原发病灶及纵隔阳性淋巴结进行系统性评价和三维立体分割，获取语义学特征和影像组学特征，并结合患者的临床信息及血液学指标，共同构建预测LS-SCLC、LA-NSCLC放化疗疗效和放射性肺炎发生的模型。在经过独立样本验证后，评价其临床实用性，为临床个体化治疗方案的制订提供依据，使患者获益。

小细胞肺癌（small cell lung cancer, SCLC）侵袭性强，易早期发生转移，脑转移尤为常见。本研究纳入134例局限期SCLC患者，其中57例在1年内发生脑转移。每个病例均选取原发肿瘤和一个淋巴结作为感兴趣区，分别提取1874个影像组学特征。经Pearson相关性分析、LASSO降维及5折交叉验证后，最终有7个影像组学特征具有预测效能，用这7个特征构建影像组学标签，然后与具有预测效能的临床特征（预防性全脑放疗和ProGRP）相结合共同构建模型，结果显示预测模型在训练集和验证集的AUC分别为0.893和0.872，能够较好的预测局限期SCLC脑转移的发生，区分低危和高危组，有助于临床医生筛选适合全脑放疗的患者，避免对低危患者造成额外的损伤，也将高危患者脑转移的风险进一步降低，提高患者的生存和预后。.放射性肺炎是影响患者预后的重要因素，但目前尚无有效的治疗方法，预防相对于治疗而言更重要。本研究收集100例肺癌和100例食管癌进行放疗的病例，从放疗前CT图像上勾画全肺组织作为感兴趣区，提取1691个影像组学特征。经过方差分析和LASSO 降维后与放射性肺炎相关的影像组学特征在肺癌和食管癌患者组分别为8个和 6个，其中相同的特征为5个，利用这5个特征进行模型构建。肺癌患者作为训练集的AUC为0.863，食管癌患者组作为独立验证集的AUC为0.622。本研究说明CT影像组学特征能够预测放射性肺炎的发生概率，并进一步说明了构建肺癌和食管癌患者发生放射性肺炎的共同预测模型的可行性，有助于提前调整放疗方案，提升患者的生存质量及预后。 .既往研究显示图像扫描采用的机型等对影像组学特征有不同程度的影响。本研究在在6台CT扫描设备和2台PET-CT扫描设备上对体模采用胸部CT扫描方案进行扫描，采用组内相关系数(intraclass correlation coefficient，ICC)分析不同扫描设备间影像组学特征参数的一致性。结果显示210/1874个特征一致性良好（ICC值≥0.75）。本实验进一步应用ComBat的方法对影像组学数据进行了校正，结果显示校正后，不同扫描设备间影像组学特征的差异缩小，说明不同扫描设备间的数据能够进行合并分析和统计。

内容获取失败，请点击重试