国际肺癌研究协会，美国胸科学会和欧洲呼吸学会提出的新的肺腺癌分类系统的预后和预测价值已得到验证，它构成了第四版的基础。世界卫生组织肺癌分类。特别是，原位腺癌(AIS)和微创腺癌(MIA)是新定义的，并且由于与侵袭性腺癌(IA)相比具有良好的预后，因此被认为是无痛性病变，并且已发表的证据支持通过子叶切除术治疗这些病变。因此，在手术前或手术期间准确诊断侵袭性肺腺癌的这些惰性病变至关重要。不幸的是，甚至与术中冰冻切片，它仍然是具有挑战性的准确诊断这些病变，因为要求以评估整个肿瘤排除侵入成分存在。
　　相比之下，高分辨率薄切片计算机断层扫描(CT)允许对肺结节进行全面和非侵入性表征。然而，通过视觉评估CT图像，我们可能会遗漏一些重要信息来定义结节的类型。在这方面其目的是提取高吞吐量数据和分析大量的医学图像先进的定量特性，可以发挥重要作用。
　　然而，先前的研究仅集中在寻找一些预测radiomics特征区分侵入肺腺癌侵袭前未经验证。在我们的研究中，使用最小绝对收缩和选择算子(LASSO)逻辑分析建立了基于放射学的预测模型，该模型在预测IA的AIS / MIA方面表现出优异的性能。据知，这是第一个用于预测侵袭性肺腺癌侵袭性的经过验证的放射学模型。
　　迄今为止最大的研究，检查了1019例肺癌和头颈癌患者的440个放射学特征，证实了放射学特征与组织学，肿瘤分期和总体生存相关。最近的一项研究还证明，在四个独立的肺腺癌队列中，用放射学特征和EGFR突变捕获的成像表型之间存在关联。此外，结合与临床特征radiomic特征可以在识别持续部分实性结节提供附加的诊断价值，在肺腺癌一个微乳头部件，淋巴结的表型信息和远处转移的存在。
　　在我们的研究中，我们证明了基于五个放射学特征(最大3D直径，均方根，熵，标准偏差和长灰度运行强调)的新型放射学特征是在患者中区分惰性肺腺癌和IA的独立因素。孤立性肺腺癌小于3厘米。对于放射学特征的构建，通过检查预测因子 - 结果关联，将60个候选放射学特征减少到五个潜在预测因子，这是通过用LASSO方法收缩回归系数来进行的。这是一种流行的高维数据回归方法，已经扩展并广泛应用于生存分析的Cox比例风险回归模型，以及用于预测结果的逻辑回归模型。这种方法不仅比基于其单变量与结果的关联强度选择预测因子的传统方法更有效，而且还允许研究人员将所选特征组合成单个特征。
　　通常仅使用长轴直径报告肺结节大小，指南建议肺结节测量应基于同一平面中的长轴和短轴直径。Radiomics允许人们测量肺结节的三维体积，这提供了更多信息来精确表征结节大小。在我们的研究中，AIS / MIA和IA组在主要队列和验证队列中的最大3D直径显着不同。
　　从体素强度的直方图获得熵和标准偏差和表示肺结节的异质性。均方根和标准差描述直方图色散，它是灰度级与平均值的差异程度的度量。类似地，熵是成像功能能够代表结节密度，这与浸润性肿瘤生物学，异质如高级阶段。通过CT图像的定量分析，放射组学可以客观地反映灰度强度的衰减和色散，这在直接视觉评估中可能不明显。由于侵入性结节往往在CT图像上更加异质，这些参数可以为AIS / MIA与IA区分提供有价值的证据。在我们的研究中，这两个参数在主要队列和验证队列中对于IA患者显着更高。与直方图特征不同，二阶统计量可以保留体素之间的空间信息，从而反映肺结节的纹理特征。在我们的研究中，选择长灰阶运行强调作为量化结节纹理的二阶统计量之一，并显示AIS / MIA和IA之间的显着差异。
　　由于惰性和侵入性结节在CT图像的结节大小和视觉形态上都有很大的重叠，因此在视觉评估的基础上区分它们是非常具有挑战性的。在这方面，放射组学可能提供额外的信息，以更准确地表征这些病变。最近一些研究，已经进行了利用放射组学进行肺结节表征，并且他们显示出有希望的能够将侵袭性肺腺癌与侵袭前病变区分开来。在我们的研究中，我们建立了基于五个放射学特征的图像特征，其在IA与AIS / MIA的区分中表现出优异的性能。当签名小于-1.5时，在主要和验证群组中没有患者被错误分类。因此，它可以作为确定小肺结节患者最佳治疗的重要工具。
　　但是，研究有一些局限性。首先，排除了被诊断为患有良性或非典型性腺瘤性增生的患者，这可能使研究受到选择偏倚。其次，CT采集协议在患者中没有标准化。这可能导致CT衰减值的可变性，从而产生用于估计放射性特征的偏差。最后，本研究中的放射学特征来自放射科医师的手动分割结果，并且未评估分割变异性。我们认为应该进一步开发一种可靠而强大的自动边界提取方法来解决这个问题。
　　总之，放射组学方法可用于以非侵入性方式解码肺结节，从而能够识别成像表型以表征肺结节。所开发的放射学组学特征提供了额外的诊断价值，以区分IA与肺结节小于3 cm的惰性肺腺癌，这可能为临床医生选择最佳干预提供有用的信息。