European Radiology:PET/CT放射组学在肺腺癌无创评估中的应用

2022-11-28 shaosai MedSci原创 发表于上海

现阶段,18F-氟脱氧葡萄糖(FDG)正电子发射断层扫描/计算机断层扫描(PET/CT)在初始分期、反应评估和随访方面已得到临床上的公认。

据统计非小细胞肺癌(NSCLC)占所有原发性肺癌的85%。尽管最近在筛查、诊断和治疗方面不断取得进展,非小细胞肺癌仍然是全球癌症相关死亡的主要原因,晚期患者的5年相对生存率只有4%。NSCLCs最常见的亚型是肺腺癌(LUAD),使其成为所有原发性肺癌中最普遍的组织学类型。

根据2015年公布的世界卫生组织(WHO)肺部肿瘤分类的规定,同一TNM分期的LUADs预后在不同的LUAD亚型之间有所不同,这是由其组织学进展特征和主要的生长模式决定的。由于只有活检或细胞学的小肿瘤样本,无法手术的组织病理学工作具有挑战性因此,临床上非常需要一种非侵入性的方法来改善预后和肿瘤的特征

现阶段18F-氟脱氧葡萄糖(FDG)正电子发射断层扫描/计算机断层扫描(PET/CT)在初始分期、反应评估和随访方面已得到临床上的公认。放射组学提供了一种非侵入性的方法来捕捉肿瘤内的异质性,而有监督的机器学习(ML)能够有效地进行高维预测建模。

近日,发表在European Radiology杂志的一项研究评估了根据临床数据和基于FDG- PET/CT的放射组学训练的ML模型在预测LUAD患者4年和3年总生存率(OS)、肿瘤分级(TG)和组织学生长模式风险(GPR)方面的能力,为临床提供了一个无创、高效的影像学评估手段。

本项研究回顾性地纳入了421名经组织学证实的LUAD和使用FDG PET/CT成像的治疗无效的患者。评估了四个队列的4年OS(n = 276)、3年OS(n = 280)、TG(n = 298)和GPR(n = 265)的预测。划分了FDG-avid病变提取了2082个放射组学特征,并与终点特定的临床参数相结合。

为预测4年OS(M4OS)、3年OS(M3OS)、肿瘤分级(MTG)和组织学生长模式风险(MGPR)建立了ML模型。所有模型都采用了100倍的蒙特卡洛交叉验证,训练和验证的比例为80:20。通过Kaplan-Meier生存分析评估了M4OS和M3OS预测与OS之间的关系。 

M4OS的接受者特征曲线下面积(AUC)最高(AUC 0.88,95%置信区间(CI)86.7-88.7),其次是M3OS(AUC 0.84,CI 82.9-84.9),而MTG和MGPR表现同样好(AUC 0.76,CI 74.4-77.9,CI 74.6-78,分别)。同时发现对M4OS(危险比(HR)-2.4,CI-2.47至-1.64,P<0.05)和M3OS(HR-2.36,CI-2.79至-1.93,P<0.05)的预测与OS独立相关


图 箱形图显示了顶层(MLL3)对(a)4年OS、(b)3年OS、(c)肿瘤等级和(d)生长模式风险的交叉验证预测性能。性能值是通过对所有MC的混淆矩阵分析确定的。SNS敏感性;SPC特异性;PPV阳性预测值;NPV阴性预测值;ACC准确性;性能值为百分比(%)

本项研究表明,机器学习模型与新型多病灶放射组学特征提取方法相结合,显示了对未接受治疗的肺腺癌患者的长期生存结果预后预测的能力,且准确率很高,为临床提供了一个更准确的、高效的评估手段。

 

原文出处:

Meixin Zhao,Kilian Kluge,Laszlo Papp.Multi-lesion radiomics of PET/CT for non-invasive survival stratification and histologic tumor risk profiling in patients with lung adenocarcinoma.DOI:10.1007/s00330-022-08999-7

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (0)
#插入话题

相关资讯

European Radiology:放射组学实现GGO肺腺癌的EGFR突变状态的无创预测!

先进的图像分析算法使得通过提取大量的图像特征来自动量化成像表型成为可能,并且可以提供比眼睛辨别的表型更详细的特征,被称为 "放射组学"。

European Radiology:放射组学特征对肺腺癌患者预后预测的附加价值

在过去的几年里,放射组学在临床上多个领域中得到了普及,放射组学特征的潜力在精准医疗领域得到了广泛的认可。

European Radiology:估转移性肺腺癌患者EGFR和T790M突变的MRI放射组学列线图

放射组学是一项新兴的影像学技术,可以直接从整个肿瘤的医学图像中计算出定量特征。这些特征可揭示隐藏在影像数据中的高维模式,是放射科医生肉眼难以从观察到的。

STTT:四川大学李为民/张莉/王成弟揭示肺腺癌和鳞癌之间的异质免疫景观

该研究对来自19例NSCLC患者的40个肿瘤和匹配的相邻正常组织的72,475个免疫细胞进行了scRNA-seq测序,并绘制了系统的免疫细胞转录组图谱。

Radiology:肺腺癌患者胸部CT深度学习生存预测模型的组织病理学价值

最近,有学者提出了一个基于CT的术前深度学习(DL)预测模型来估计肺腺癌患者的无病生存期。

读片定律的再次验证——缓慢增大的混杂磨玻璃,几乎都是肺腺癌

随访中需要重点观察磨玻璃影和实性成分的动态变化。