academic radiology：CT放射组学在预测侵袭性肺腺癌新型IASLC分级中的应用

根据最新的流行病学研究，肺癌仍然是世界范围内癌症死亡的主要原因。肺腺癌（ADC）是肺癌中最常见的组织学亚型，并已成为肺癌死亡的主要原因。尽管根治性手术切除是早期肺癌患者的首选手术，能显著改善预后，但这些患者中仍有30%至50%在手术后出现复发。

除TNM分期外，组织学分级系统对评估各种恶性肿瘤的预后至关重要。尽管2015年世界卫生组织（WHO）的分类确定了ADC的五种主要组织学亚型（鳞状、乳头状、针状、实性和微乳头状），并提出按主要亚型对侵袭性ADC进行分级，但基于主要亚型的分级方法可能低估了非主要成分的影响。此外，目前的研究已逐步表明，其他复杂的腺体形态与微乳头和实性亚型一样预后不佳。事实上，一些研究将病理特征，如次级组织学模式、核级、有丝分裂级、是否有气孔扩散（STAS）和坏死加入到初级模式分级模型中，以提高该模型的预后价值；然而，大多数研究将这些特性作为单一指标来研究，没有考虑到ADC的异质性。考虑到上述研究的局限性，国际肺癌研究协会（IASLC）提出了一个系统的方法来评估并将多个拟议的预后变量纳入一个分级系统。他们的结果表明，IASLC的分级系统基于原发和高等级模式，显示出比以前的分级方法更加优越的诊断性能。此外，多项研究显示，以高等级模式为主的患者可从辅助化疗中获益，Deng等学者的研究表明，根据IASLC分级系统，Ib-III期的高等级ADC患者在接受辅助化疗时情况更好。因此，术前识别不同等级的ADC有助于预测患者的预后并选择受益于辅助治疗的个体。

目前肺癌的术前诊断策略一般涉及组织学穿刺活检和CT成像技术。然而，活检只能反映肿瘤的局部状态，而传统的放射学程序是主观的定性评估。因此，这种技术对于识别不同的ADC等级有内在的限制。与之前的方法相比，放射组学以其非侵入性、可重复性和定量分析的优势，一度成为癌症研究的热点。从不同方式的医学图像中提取的放射组学特征有可能反应肿瘤的组织学差异。此外，许多研究表明，通过将放射组学特征与其他参数（如临床特征）相结合，可以提高模型的性能。然而，目前还不确定放射组学特征与临床-放射学特征相结合是否可用来识别侵袭性ADC的新型IASLC等级。

近日，发表在academic radiology杂志的一项研究整合了放射组学、临床和放射学特征，为临床提供了一个可实现ADC术前无创分级的列线图模型。

本项研究回顾性地分析了303名经病理证实的侵袭性ADC患者的CT图像和临床数据。对患者的组织学亚型和放射学特征进行了重新评估。提取了放射组学特征，并通过方差分析、spearman相关分析和最小绝对收缩和选择算子（LASSO）确定了最佳特征子集。单变量和多变量分析确定了独立的临床和放射学变量。最后，使用多变量逻辑回归分析将临床、放射组学和最佳放射组学特征纳入列线图。应用接收操作特征（ROC）曲线和准确性来评估模型的性能，并应用决策曲线分析（DCA）和校准曲线来评估临床实用性。 

研究将九个选定的CT图像特征用于开发放射组学模型。在训练和测试组中，放射组学模型的准确性、精确性、敏感性和特异性都超过了临床放射学模型。在训练（AUC，0.915 vs. 0.882；DeLong，p < 0.05）和测试（AUC，0.838 vs. 0.782；DeLong，p < 0.05）组中，将Radscore与独立的放射学特征相结合显示出比单独的临床放射学特征更高的预测性能。良好的校准和决策曲线分析证明了该列线图的临床实用性。 

图 在训练（a）和测试（b）组中，临床-放射组学、放射组学和组合模型的ROCs比较

研究表明，放射组学特征能够有效的预测高等级ADC。同时，组合列线图模型有助于临床对可辅助治疗中受益的患者进行快速的筛选及评估。

原文出处：

Zhihe Yang,Yuqin Cai,Yirong Chen,et al.A CT-Based Radiomics Nomogram Combined with Clinic-Radiological Characteristics for Preoperative Prediction of the Novel IASLC Grading of Invasive Pulmonary Adenocarcinoma.DOI:10.1016/j.acra.2022.12.006