研究人员使用radiomics预测谁将受益于化疗
![Flowchart shows strategy for patient selection and overall experimental design for this study. Credit: Radiological Society of North America 研究人员使用radiomics预测谁将受益于化疗](https://scx1.b-cdn.net/csz/news/800a/2019/17-researchersu.jpg)
使用数据从计算机断层扫描(CT)图像,研究人员可以预测肺癌患者对化疗反应,根据一项新的研究发表在杂志上放射学:人工智能。
以铂为基础的化疗通常的一线治疗晚期非吗小细胞肺癌(NSCLC)。然而,只有约四分之一病人这个治疗反应良好。目前,没有办法预测哪些病人会从化疗中获益。
CT检查通常用于肿瘤分期和监测治疗反应。使用一个名为radiomics的研究领域,研究人员可以提取定量,或可测量的,数据从CT图像能揭示疾病仅在图像特征不可见的。
“我们的目标在本研究旨在确定反应的早期预测化疗是否可能通过使用computer-extracted测量模式内外肺结节,结节的形状,在基线CT扫描,“说Mohammadhadi Khorrami,硕士,从生物医学工程系博士生,凯斯西储大学的工程学院在克利夫兰,俄亥俄州,连同莫妮卡Khunger,医学博士从克利夫兰诊所的内科,领导了这项研究。
研究人员着手识别radiomic纹理的角色功能都受到内部和周围肺肿瘤——预测时间进展和整体生存,以及对非小细胞肺癌患者化疗反应。
“这是第一次研究证明computer-extracted模式的异构性,或多样性,从外面肿瘤对化疗的反应被预测,“Khunger博士说。“这是非常关键的,因为它可以允许提前预测肺癌患者的治疗可能会回应。反过来,这可能有助于识别可能对化疗的病人替代疗法如辐射或免疫疗法”。
![Radiomic feature maps show differences between lesions in responders and lesions in nonresponders at pretreatment CT. There appears to be overexpression of radiomic features (A, peritumoral Gabor and, B, intratumoral Laws features) in the nonresponder lesion compared with the responder lesion. The distribution of the features shows significant differences between the two lesion categories; these differences are captured by the skewness and kurtosis statistics of the feature distribution. Credit: Radiological Society of North America 研究人员使用radiomics预测谁将受益于化疗](https://scx1.b-cdn.net/csz/news/800a/2019/18-researchersu.jpg)
该研究的数据来自于125名患者已经接受pemetrexed-based铂双重化疗在克利夫兰诊所。的患者随机分为两组同等数量的急救员无训练集。与非小细胞肺癌患者的训练集由53个,和验证组由72名患者。
计算机分析了肺癌的CT图像识别独特的异质性肿瘤内外模式。这些模式被对比CT扫描的病人并没有回应化疗。这些功能模式被用来训练机器学习分类器识别的可能性肺癌症患者化疗作出回应。
“当我们看着模式在肿瘤内部,我们有一个0.68的准确性。但当我们看起来内外,上升至0.77,准确性”Khorrami说。
结果表明,radiomic特性来源于肿瘤和肿瘤周围地区能够区分对化疗的患者和那些没有。此外,预测时间进程和radiomic特性总生存期。
CT-radiomics“尽管大量的研究空间,周围的肿瘤区域,或瘤旁区域保持相对人迹罕至,“Khorrami说。“我们的结果显示,明确证据的瘤旁纹理模式的角色在预测化疗后的反应时间和进展。”
尽管研究人员并没有明确研究radiomic特性识别的基础肿瘤,他们假设这些模式反映了纤维含量增加chemotherapy-compliant肿瘤。
根据Khorrami radiomic数据来源于CT图像也可以帮助识别潜在患者复发的风险和可能受益于更密集的观察和随访。
更多信息:邻近和瘤内Radiomic CT扫描功能基线预测对肺腺癌化疗反应,放射学:人工智能,2019年。