Lancet Oncol:基于CT的放射学分类模型用于预测腹膜后肉瘤的组织学类型和肿瘤等级
2023-11-28 Jenny Ou MedSci原创 发表于上海
本文经过验证的放射学模型可以预测腹膜后肉瘤的组织学类型和等级,具有出色的性能。这可能对改善腹膜后肉瘤的诊断和风险分层产生重要影响。
腹膜后肉瘤是大而复杂的肿瘤,占所有软组织肉瘤的12-15%,其预后比极端肉瘤差。腹腔肉瘤和外肌肉瘤是最常见的腹膜后肉瘤组织学。与浅表病变相比,腹膜后肉瘤在获得活检样本方面更具挑战性,并且容易出现采样偏差。临床试验探索了新辅助疗法,包括第3阶段STRASS(欧洲癌症研究和治疗组织62092)试验,该试验评估了腹膜后肉瘤的新辅助放疗。
放射学用于肿瘤成像,从医学图像中提取和挖掘变量,并无创量化肿瘤的全球放射学表型。然而,成功的临床翻译是难以捉摸的。由于数据的可推广性有限、方法的变化和缺乏独立的验证队列,进展受到了阻碍。尽管已完成50多项软组织肉瘤放射学研究,但很少包括腹膜后肉瘤,大多数使用单中心数据集未经独立验证。对腹膜后肉瘤的定量放射表型及其与肿瘤生物学联系的有限解释是一个错失机会。
2023年10月31日发表在Lancet Oncol的研究,旨在开发和验证基于CT的放射学模型,用于腹膜后唇肉瘤和平滑肌肉瘤的组织学类型分类和等级预测。研究人员开发了一个组织学和等级的预测模型,该模型在外部独立队列中得到了验证,目标是最终由医疗保健专业人员进行临床翻译和使用。
在研究中心(英国伦敦皇家马斯登医院)整理了一个回顾性发现队列和一个独立的验证队列,该队列由在腹膜后肉瘤新辅助放射治疗的3阶段STRASS研究中招募的患者组成。包括18岁以上确诊的原发性平滑肌肉瘤或脂肪肉瘤患者,通过可用的造影增强CT扫描进行手术切除。
使用发现数据集,开发了基于CT的放射学工作流程,包括手动划定、子分割、特征提取和预测模型构建。建立并测试了用于预测组织学类型和低级或中级或高级肿瘤类型的单独概率分类器。然后进行了独立验证。该研究的主要目标是开发用于预测腹膜后平滑肌肉瘤和脂肪肉瘤类型和组织学等级的放射性分类模型。
研究结果显示,2016年10月30日至2020年12月23日期间招募的170名患者有资格参加发现队列,2012年1月18日至2017年4月10日期间招募的89名患者有资格参加验证队列。在发现队列中,中位年龄为63岁(范围为27-89),83(49%)名女性患者和87名男性患者(51%)。
从发现数据集开发的最终肿瘤等级预测模型的性能和特征选择
在验证队列中,中位年龄为59岁(33-77岁),46名女性(52%)和43名男性患者(48%)。根据一组特征的放射性学和近似体积分数,预测组织学类型的性能最高的模型在接收器操作者曲线(AUROC)下有一个0.928的区域。基于放射学特征集,预测组织学等级的高性能模型在验证时AUROC为0.882。
综上所述,本研究为这些模型的进一步开发和前瞻性验证奠定了基础。这些模型可以进一步发展,以解决中高级腹膜后肉瘤的复杂复杂性,并探索将其他放射特征或临床数据相结合对模型预测性能的价值。高质量的STRASS试验数据的可用性是探索临床结果预后模型的机会,这正在开发中。最后,通过进一步开发该模型,它可以协调未来临床试验的进入,并使患者分期和预测标准化。
原始出处
Arthur, A., Orton, M. R., Emsley, R., Vit, S., Kelly-Morland, C., Strauss, D., ... & Messiou, C. (2023). A CT-based radiomics classification model for the prediction of histological type and tumour grade in retroperitoneal sarcoma (RADSARC-R): a retrospective multicohort analysis. The Lancet Oncology, 24(11), 1277-1286.
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
#腹膜后肉瘤# #CT#
146