|
Delta Radiomics改善肺癌筛查中的肺结节恶性预测
|
肺癌是美国和全世界癌症相关死亡的主要原因。在2018年的美国，将有大约234,030例新发肺癌病例，占所有癌症诊断的约13.5%，估计有154,050例死亡，占所有癌症死亡人数的约25.3%。由于大多数肺癌在治疗选择有限的晚期被诊断出来，因此肺癌患者的存活率几乎没有改善。因此，大多数被诊断患有肺癌的患者将死于其疾病。
医学成像技术，特别是低剂量计算机断层扫描(LDCT)，在早期发现肺癌中起着关键作用。直到最近，还没有检测早期肺癌的筛查方式。国家肺部筛查试验(NLST)是一项比较LDCT与标准胸部X线摄影(CXR)的随机临床试验，发现LDCT筛查与总死亡率显着降低20%相关。尽管LDCT早期检测具有挽救生命的益处，但这种成像方式存在许多局限性，包括不确定肺结节(IPN)的高检出率。
放射学是从感兴趣区域(例如，IPN，肺肿瘤，全肺等)提取和分析基于图像的定量特征的过程，然后可以对其进行分析以开发决策支持工具。这些基于图像的定量特征表征了感兴趣区域的大小，形状，体积和纹理。通过高通量计算，现在可以从标准护理成像(例如LDCT)中提取放射学特征。因此，可以利用放射学分析来开发准确和非侵入性工具，以改善肺癌筛查环境中的结节管理。
之前发表的研究表明，δ放射组学(即特征随时间的变化)可用于预测各种癌症的治疗反应，包括结直肠癌，肝癌和肺癌。例如，根据PET图像计算的放射治疗中的δ放射组学特征显示成功预测肺癌患者的总体生存。此外，来自治疗前和治疗后CT图像的delta放射免疫学特征以及临床数据产生了改进的预后模型。
霍金斯先前的研究等显示使用基线的Rider特征可预测癌症发生率，准确率为76.79%，AUC为0.81。但是，在我们的研究中，我们没有直接使用基线特征; 相反，我们计算了第一次随访筛查间隔和基线筛选之间的delta特征(即训练的C1T1-C1T0和测试的C2T1-C2T0)。我们的样本大小略小于之前的工作，因为我们已从每个群组中移除了所有屏幕中不存在的用于增量计算的案例。然而，与Hawkins 等人相比，结合delta特征证明了风险预测的改进。具体而言，使用Rider delta特征和Rider常规特征产生的AUC为0.822，准确度为78.3%。我们还注意到当包含delta特征时，诊断实验的模型性能得到了改进; 然而，霍金斯论文没有调查诊断模型。通过仅使用结节特征来预测未来的癌症发病率，我们的研究结果广泛支持其他研究的工作，这些研究表明Delta放射组学改善了预测模型的表现，尽管之前的研究主要涉及临床数据，预处理，治疗内和治疗后的组合。特征。结节大小在临床上用作恶性肿瘤的指标。计算了增量大小功能，但没有提供足够的信息来实现最佳预测性能。
delta放射组学特征与传统(非delta)特征相结合用于诊断鉴别和预测未来结节恶性肿瘤的影响。我们的实验证实，delta特征可以改善机器学习所得模型的性能。从这些实验中得出的一个重要发现是当三角形和传统(非三角洲)特征相结合时，特别是在Rider特征中改进了模型性能。将delta特征与传统Rider特征结合使用，风险预测实验(实验2)的最高AUC为0.822，而仅具有传统Rider特征的模型为0.733。另外，我们的研究包含一个诊断实验(实验1)，其中在将delta特征与常规特征相结合后也观察到了改进。总体而言，该研究证明了将delta特征与常规特征相结合以改善肺癌筛查环境中模型的性能的重要用途。我们未来的工作包括使用多次肺结节筛查应用深度学习来检测肺癌。
|
|
|
|
|
|
|
| 肺癌的临床表现比较复杂，症状和体征的有无、轻重以及出现的早晚，取决于肿瘤发生部位、病理类型、有无转移及有无并发症，以及患者的反应程度和耐受性的差异。肺癌早期症状常较轻微，甚至可无任何不适。中央型肺癌症状出现早且重，周围型肺癌症状出现晚且较轻，甚至无症状，常在体检时被发现。肺癌的症状大致分为：局部症状、全身症状、肺外症状、浸润和转移症状。 |
|
|
|
| 电话：13263277712 |
| 邮箱：81068003@qq.com |
| 地址：北京市.丰台区.万丰公园 |
|
|
