融合瘤周影像特征的影像組學建模新思路

　　肺癌是世界范圍內致死率最高的癌癥之一，非小細胞肺癌（NSCLC）患者數量占肺癌患者的80%-85%。淋巴結轉移狀態關系到患者的臨床分期、治療方案選擇以及預后評估，因此，對早期非小細胞肺癌患者，構建精準的術前淋巴結轉移預測模型具有重要的臨床意義。

　　近年來，大數據分析技術與醫學影像有機結合，影像組學方法應運而生，通過從影像中提取高通量信息進行深層挖掘分析，以實現腫瘤的無創診斷和預后預測。然而，現有影像組學方法主要集中關注腫瘤區域，忽略了腫瘤周圍環境。相關腫瘤生物學研究表明，腫瘤周圍環境可以分泌大量生長因子和細胞因子，誘導缺氧和血管生成，在腫瘤的發生、發展和轉移中起著重要作用，綜合分析腫瘤與瘤周信息可更全面地刻畫腫瘤的侵襲和轉移特性。因此，提取并融合腫瘤和瘤周影像特征有望為影像組學模型構建提供全新思路，進一步提升模型診斷或預測性能。

　　為此中國科學院蘇州生物醫學工程技術研究所高欣、夏威、趙星羽等人聯合上海長征醫院劉士遠、李瓊、王祥等人，提出了一種新的基于腫瘤和瘤周的影像組學模型，實現對早期非小細胞肺癌患者術前淋巴結轉移的精準預測。該研究搜集多臺不同型號的CT設備的366名患者，其中轉移組71人，非轉移組295人。分別從腫瘤區域（GTV）和瘤周區域（PTV）提取高通量影像組學特征（圖1），經過特征篩選，利用最小絕對值收斂和選擇算子（LASSO）訓練分類器模型，最后使用ROC曲線下面積AUC來評估模型的分類能力，AUC值越高，證明模型的分類能力越強。

　　該研究表明，瘤周區域影像特征可以用來預測早期非小細胞肺癌淋巴結轉移，且具有良好的分類能力（AUC=0.825）。此外，將腫瘤和瘤周區域的影像特征混合建立的模型（GPTV, AUC=0.843)優于單獨利用腫瘤或瘤周區域特征所建立的模型（圖2），展現出兩類特征之間具有協同作用。同時，研究發現影像組學模型的預測精度優于臨床醫生，若將影像組學模型與醫生判斷淋巴結轉移的影像特征進行融合構建人機結合模型，預測精度又進一步提升（AUC=0.862）。

　　以上研究的意義在于，驗證了以往臨床忽略的瘤周區域對淋巴結轉移預測的重要價值，揭示了人機結合模式是未來臨床工作的發展趨勢，為未來的醫學影像輔助診斷研究提供了新思路。