论文部分内容阅读
前言肺癌的发病率和致死率在恶性肿瘤中均居首位。非小细胞肺癌(NSCLC)作为肺癌中最常见的组织学亚型,约占肺癌的87%。NSCLC的侵袭性较高,5年生存率仅约24%。近年来,随着化疗方案的优化以及靶向治疗的兴起,针对晚期NSCLC患者的治疗方案逐渐多元化,但因为肿瘤异质性、耐药性等因素造成NSCLC患者治疗效果一直欠佳。因此提前预测NSCLC患者的疗效及准确区分NSCLC患者的组织学亚型对临床实施精准治疗具有重要意义。首先,肿瘤细胞对铂类药物、靶向药物均可产生耐药,提早预测肿瘤耐药具有重要临床价值。肿瘤反应是用来衡量化疗和靶向治疗有效性的,并已被证明是NSCLC患者生存期的预后因子,在初始诊断阶段预测肿瘤反应可以决定是否继续、升级、停止或改变患者的治疗计划。目前,临床评估肿瘤反应的标准是实体瘤疗效评价标准(RECIST 1.1),但该标准忽略了放射图像中的大量信息,并可能延误合适治疗计划的制定。影像组学可用于肿瘤及其微环境的评价以及肿瘤演变的纵向评估。已经有学者开发出了影像组学模型用于疗效的早期预测。研究结果表明,影像组学可以预测化疗以及靶向治疗的肿瘤反应。然而,真实世界远比以往研究复杂得多,部分患者同时接受了化疗和靶向治疗(序贯或同步)。据我们所知,目前还没有研究者根据真实世界的需要,将这三种治疗方法(化疗、靶向治疗和两者联合)结合起来进行影像组学分析。其次,作为NSCLC两大组织学亚型,腺癌(ADC)和鳞状细胞癌(SCC)治疗方案有很大不同,准确区分ADC和SCC是实施精准治疗的基础。病理诊断是区分ADC和SCC的金标准。纤维支气管镜和经皮穿刺活检是获取NSCLC病理诊断的主要方式,然而,两者均属于侵入式检测手段,可能会引起并发症。对于靠近气道或大血管的病变,穿刺危险性高。而且,肿瘤通常是异质的,活检可能无法捕捉到完整的肿瘤表型。这些病理诊断的局限性亟需我们开发非侵入性的替代方法。基于影像组学分析的预测模型具有量化肿瘤表型特征的潜力,已经有研究学者开发出了影像组学模型用于NSCLC组织学亚型的分类。然而,这些研究样本量较少,并且属于纯影像研究,并没有把临床因素考虑在内,因此限制了所构建模型的泛化性能及稳定性。为了能够早期预测NSCLC患者一线化疗和靶向治疗后的疗效以及组织学亚型,进而能够对NSCLC患者进行个体化治疗,并最终降低死亡率,延长生存期,本研究工作主要从以下两个方面展开:第一部分基于CT影像组学特征预测非小细胞肺癌一线化疗和靶向治疗的效果目的:评估影像组学模型在治疗前肺部CT图像上预测非小细胞肺癌(NSCLC)接受一线化疗、靶向治疗或两者联合治疗效果的有效性。材料和方法:322例NSCLC患者接受一线化疗、靶向治疗或两者联合治疗,224例随机分配到训练集,构建影像组学模型。从每个病人的CT扫描图像中提取1946个影像组学特征。采用最大相关最小冗余(MRMR)特征排序方法,选取排名靠前的特征,利用随机森林(RF)分类器构建轻量型影像组学模型。从排名靠前的特征中进一步识别出具有独立预测(IP)作用的特征(AUC>0.6,p值<0.05),利用RF分类器构建精简型影像组学模型。在由剩余98名患者组成的测试集中测试该模型的预测性能。结果:由排名靠前的15个特征构建的初始轻量型影像组学模型的AUC为0.721(95%置信区间:0.619~0.823)。再进一步识别了 6个IP特征并构建了精简型影像组学模型,其AUC为0.746(95%置信区间:0.646~0.846)。结论:基于治疗前CT影像组学模型可以预测NSCLC患者一线化疗或靶向治疗后的疗效。影像组学特征将成为有效的预后影像生物标志物。第二部分 基于CT影像组学特征预测非小细胞肺癌组织学亚型目的:评估影像组学模型在治疗前肺部CT图像上预测非小细胞肺癌(NSCLC)组织学亚型的有效性,探索基于影像组学特征和临床因素构建的联合模型预测NSCLC组织学亚型的价值。材料和方法:301例患者由215例腺癌(ADC)患者和86例鳞癌(SCC)患者组成,210例随机分配到训练集,构建影像组学模型。从每个病人的CT扫描图像中提取1046个影像组学特征。利用最小绝对收敛和选择算子方法(Lasso)选择影像组学特征,利用逻辑回归(LR)、支持向量机(SVM)和随机森林(RF)这三种分类器构建影像组学模型。利用LR分类器构建影像组学特征和血清标志物的联合模型以及影像组学特征和临床因素(包括年龄、性别、血清标志物)的联合模型。在由剩余91名患者组成的测试集中测试上述模型的预测性能。结果:最有判别力的18个特征在LR、SVM、RF分类器上构建的影像组学模型的AUC分别为0.725(95%置信区间:0.612~0.838)、0.732(95%置信区间:0.625~0.839)、0.722(95%置信区间:0.613~0.832)。影像组学特征与血清标志物构建的联合模型的AUC为0.825(95%置信区间:0.732~0.917)。影像组学特征与临床因素构建的联合模型的AUC为0.914(95%置信区间:0.857~0.971)。结论:基于CT影像组学模型可以预测NSCLC组织学亚型,而基于影像组学特征和临床因素的联合模型对ADC和SCC的分类效果更好。