论文部分内容阅读
背景肺癌在全球癌症所占比位居首位,也是在癌症领域里导致死亡的主要原因,其中肺腺癌占很大一部分,原发性肺癌多发于中年男性。肺癌的临床症状大多比较晚出现,所以大部分患者在确诊时已处于中晚期,约60%的病人无法完全切除,化疗变成晚期患者的主要选择。而在肺癌全程治疗过程中,CT平扫检查是评价肺癌化疗疗效及预后的重要方法。但由于CT平扫只能获得肿瘤变化的形态学特点,无法及时准确地反映肿瘤化疗疗效,因此,影像组学的应用研究开始受到越来越多人的关注。目的影像组学对于医学而言是一个全新的范畴,该技术的诞生与影像组学在疾病研究中的良好性能以及影像医学在疾病的诊疗中的巨大潜力密不可分。影像组学是从影像图像中提取大量多维数据并对其进行高通量分析,从而评价病灶异质性,进而为肿瘤的诊疗和预后评估提供帮助。本文通过基于治疗前CT软窗图像,获得一系列影像组学数据,在筛选后获得有意义的特征并建立预测模型,探讨其对肺腺癌患者化疗疗效的评估价值,以期帮助后期治疗方案选择及调整。方法回顾性搜集2015年12月—2018年12月期间在安徽医科大学第二附属医院经病理证实的105例肺腺癌患者的影像及病例资料,通过化疗半年后的CT检查结果并与化疗前CT图像进行比对获得化疗疗效,根据RECIST标准将患者分为两组:缓解组(35例)和未缓解组(70例),其中未缓解组分为稳定组(35例)及进展组(35例)。提取所有患者的化疗前CT软窗图像,使用ITK-SNAP软件对病灶手动分割,通过影像组学方法使用AK软件分析CT软窗图像分割获得的病灶,提取病灶的纹理特征,采用LASSO方法进行降维以及建模。使用受试者工作特征曲线(ROC)并建立肺腺癌评估模型决策曲线,获得缓解组与未缓解组间对比的模型评估化疗疗效的诊疗效能。结果基于缓解组与未缓解组的图像,提取出12个有意义的纹理特征,其中共生矩阵5个,游程矩阵7个,通过提取出的有意义特征建立模型,其训练组相应的A UC、诊断敏感度和特异度分别为0.80、0.68和0.80,验证组的AUC、诊断敏感度和特异度分别为0.74、0.70和0.81,2组的AUC值均在0.70~0.90之间,同样达到良好的诊断价值。影像组预测模型决策曲线在0.18~0.76较大的阈值范围内,具有良好的临床实用性。结论基于治疗前CT软窗的影像组学研究可在化疗前对肺腺癌的疗效做出较准确评估,为临床改善患者预后提供一定指导价值。