利用放射组学模型预测肺癌和食管癌患者发生放射性肺炎的研究

目的 分析探讨肺癌和食管癌易患放射性肺炎(RP)患者的放射组学共同特征,建立能够同时预测两种肿瘤放疗后发生RP的预测模型。方法 回顾性分析行根治性放疗的Ⅲ期肺癌和Ⅲ期食管癌各 100例,依据随访影像学资料及临床信息进行RP分级,并收集其定位CT图像,将全肺作为感兴趣区域进行放射组学特征的提取,分析与RP相关的放射组学特征及临床、剂量学特征,利用机器学习进行模型构建。结果 提取出放射组学特征1691个,肺癌和食管癌患者经过方差分析、最小绝对值收敛和选择算子降维后与RP相关的放射组学特征分别为8个和6个,其中相同的参数为5个。使用随机森林构建预测模型,将肺癌和食管癌分别交替作为训练集和验证集,食管癌和肺癌作为独立验证集曲线下面积分别为0.662和0.645。结论 构建肺癌和食管癌患者发生RP的共同预测模型是可行的,但还需进一步扩充样本量,并且纳入临床和剂量学参数增加其准确度、稳定性和泛化能力。     

CT图像影像组学特征参数变化与放射性肺炎的相关性研究

目的 应用影像组学技术分析发生放射性肺炎(RP)的肺癌患者定位及复位CT图像特征参数变化,筛选与RP发生密切相关的指标。方法 选取放疗后经过随访发生2级及以上RP的肺癌患者31例,获取其放疗前的定位CT图像和经过40 Gy放疗后的复位CT图像,将患侧肺和健侧肺设置为提取参数的ROI,在完成正常肺组织自动分割后,使用IBEX软件进行radiomics特征参数的提取,比较这些特征参数在定位和复位CT图像中的差异。结果 (1)每个时段的单侧肺分别提取了86个有效参数指标;(2)放疗前患侧肺和健侧肺差异有统计学意义的参数指标有22个;(3)复位CT中健侧肺和患侧肺差异有统计学意义的参数有12个;(4)患侧肺放疗前后差异有统计学意义的参数有28个;(5)健侧肺放疗前后差异有统计学意义的参数有28个。结论 在发生RP的肺癌患者中,部分CT影像组学特征在定位和复位CT间差异显著,对这些指标动态变化的追踪分析具有预测RP发生的潜在优势。     

基于多参数CT成像的食管癌新辅助放化疗病理反应预测

目的 建立基于放射组学的生物标记物模型,预测局部进展期食管癌术前新辅助放化疗(nCRT)后病理反应。方法 回顾性选取2008—2018年间 112例局部进展期食管癌患者,均采用术前nCRT联合手术治疗。收集治疗前增强CT图像,手动描绘病变体积。使用Python软件中pyadiomics插件包提取共670个放射组学特征(包括肿瘤强度、形状和大小、纹理和小波特征),运用逐步回归结合最佳子集方法筛选特征,最后采用Logistic回归模型建立预测模型。通过受试者工作特征曲线下面积(AUC)评估性能。结果 全组患者的病理完全缓解率为58.0%(65/112)。最终模型包含10个放射组学特征,与结局相关性最大的为灰度特征(即图像的纹理信息),其次为形状特征和体素强度相关特征。训练集、测试集AUC分别为0.750、0.870,敏感性分别为0.711、0.757,特异性分别为0.778、0.900。结论 基于CT放射组学的多参数模型在不额外增加患者经济负担和侵入性操作前提下,能较好地、有效地预测食管癌nCRT病理反应和较好地指导个体化治疗。     

基于剂量组学预测肺癌患者放射性肺炎发生的研究

目的 探讨剂量组学在预测肺癌根治性放疗患者放射性肺炎发生中的应用潜能。方法 回顾性收集行根治性放疗的314例肺癌患者的临床资料、放疗剂量文件、定位及随访CT图像,根据临床资料及影像学随访资料对放射性肺炎进行分级,提取全肺的剂量组学特征,构建机器学习模型。应用1000次自助抽样法（bootstrap）的最小绝对值收敛和选择算子嵌套逻辑回归（LASSO‐LR）及1000次bootstrap的赤池信息量准则（AIC）向后法筛选与放射性肺炎相关的剂量组学特征,随机按照7∶3划分为训练集及验证集,应用逻辑回归建立预测模型,并应用ROC曲线及校正曲线评价模型的性能。结果 共提取120个剂量组学特征,经LASSO‐LR降维筛选得到12个特征进入“特征池”,再经过AIC向后法筛选,最终筛选出6个剂量组学特征进行模型构建,训练集AUC为0.77（95%CI为0.65~0.87）,独立验证集AUC为0.72（95%CI为0.64~0.81）。结论 利用剂量组学建立的预测模型具有预测放射性肺炎发生的潜力,但仍需继续纳入多中心数据及前瞻性数据进一步挖掘剂量组学的应用潜能。     

基于剂量组学预测肺癌患者放射性肺炎发生的研究

目的 探讨剂量组学在预测肺癌根治性放疗患者放射性肺炎发生中的应用潜能。方法 回顾性收集行根治性放疗的314例肺癌患者的临床资料、放疗剂量文件、定位及随访CT图像,根据临床资料及影像学随访资料对放射性肺炎进行分级,提取全肺的剂量组学特征,构建机器学习模型。应用1000次自助抽样法（bootstrap）的最小绝对值收敛和选择算子嵌套逻辑回归（LASSO‐LR）及1000次bootstrap的赤池信息量准则（AIC）向后法筛选与放射性肺炎相关的剂量组学特征,随机按照7∶3划分为训练集及验证集,应用逻辑回归建立预测模型,并应用ROC曲线及校正曲线评价模型的性能。结果 共提取120个剂量组学特征,经LASSO‐LR降维筛选得到12个特征进入“特征池”,再经过AIC向后法筛选,最终筛选出6个剂量组学特征进行模型构建,训练集AUC为0.77（95%CI为0.65~0.87）,独立验证集AUC为0.72（95%CI为0.64~0.81）。结论 利用剂量组学建立的预测模型具有预测放射性肺炎发生的潜力,但仍需继续纳入多中心数据及前瞻性数据进一步挖掘剂量组学的应用潜能。     

CBCT影像组学联合构建Nomogram模型预测食管癌放疗患者放射性肺炎

目的 通过对放疗疗程中不同时段CBCT图像的影像组学分析,寻找早期定量预测食管癌放疗放射性肺炎(RP)的参数,结合临床特征和肺剂量体积参数建立联合Nomogram模型并探讨这一模型对食管癌RP的预测价值。方法 回顾分析2017—2019年间临床资料、剂量学参数、CBCT图像资料完整的 96例胸中段食管鳞癌调强放疗患者资料,每例患者均分别获取放疗期间3个不同时段的肺CBCT图像。全组病例随机分成训练集(67例)和验证集(29例),以CBCT上双肺实质作为感兴趣区,运用3D-Slicer软件进行图像分割和特征提取,经LASSO-Logistics回归分析方法进行特征参数筛选并构建影像组学标签(Rad-score)。从3个不同时段建立的RP预测模型中选择最优模型联合经回归分析获得的最佳临床及剂量学参数,建立联合Nomogram模型,并进行受试者工作特征曲线分析,基于曲线下的面积(AUC)验证其诊断效能。结果 第一时段的影像组学预测模型优于其他两个时段,在训练集中的AUC值为0.700(95%CI为 0.568~0.832),敏感性和特异性分别为61.5%、75.0%;在验证集中的AUC值为0.765(95%CI为 0.588~0.941),敏感性和特异性分别为84.6%、64.7%。影像组学联合临床及剂量学构建的Nomogram模型在训练集中的AUC值为0.836(95%CI为 0.700~0.918),敏感性和特异性分别为96.0%、54.8%;在验证集中的AUC值为0.905(95%CI为 0.799~1.000),敏感性和特异性分别为92.9%、73.3%。联合Nomogram模型诊断效能最佳。结论 基于放疗早期肺CBCT影像组学特征构建的模型,对于食管癌RP具有一定的预测效能,Rad-score联合 肺V5Gy、肺 Dmean、肿瘤分期建立的Nomogram模型具有更好的预测准确性,可作为一种定量预测模型用于RP的预测。     

联合应用NLR、V20和Dmean预测肺癌放射性肺炎发生——一项外部验证研究

目的 用已建立的中性粒细胞、淋巴细胞绝对值比值(NLR)联合双肺V20及双肺Dmean预测肺癌放疗≥3级放射性肺炎模型,对另外一批在我院接受放疗的肺癌患者进行外部验证。方法 选择参与建立模型的166例肺癌患者作为内部验证集,选择2016-2018年间在我院接受调强放疗的85例肺癌患者作为外部验证集。比较2个验证集患者≥3级放射性肺炎的发生率;对NLR、V20、Dmean行Logistic多因素预测分析;利用ROC曲线分析联合应用NLR、V20和Dmean预测放射性肺炎的区分度;利用Hosmer-Lemeshow检验来评价预测模型的校准度。结果 内部验证集和外部验证集患者≥3级放射性肺炎发生率分别为23.8%和22.9%。多因素预测分析结果显示内部验证集中NLR、V20、Dmean均有统计学意义(P=0.032、0.006、0.005);外部验证集中仅V20具有统计学意义(P=0.038)。模型预测放射性肺炎区分度和校准度在内部验证集和外部验证集均相近(P>0.05)。内部验证集NLR、V20、Dmean及三者联合预测的曲线下面积值分别为0.611、0.646、0.682和0.775,外部验证集相应值分别为0.544、0.702、0.658和0.754。内部验证集校准度P=2.797、0.834。外部验证集的P=2.452、0.653。结论 联合应用NLR、V20和Dmean的预测模型可以较好地预测肺癌放疗患者≥3级放射性肺炎的发生,且在外部数据集中得到了验证。     

CRT+ARC技术在局部晚期肺癌患者中临床应用的初步研究

目的 研究CRT+ARC技术在局部晚期肺癌中临床应用情况。方法 选择2016年3月1日—2017年3月1日在我院放疗科放疗的100例局部晚期肺癌患者,随机分为实验组和对照组,每组各50例患者,实验组制定CRT+ARC计划,对照组制定三维适形放射治疗技术+调强放射治疗技术(Intensity-modulated radiotherapy,IMRT)(CRT+IMRT)计划。根据世界卫生组织(World health organization,WHO)标准评估患者的近期疗效,根据影像学检查及放射治疗肿瘤学组(Radiaton therapy ognization group,RTOG)标准明确放疗主要副反应放射性肺炎发生情况。结果 实验组治疗有效率为82%,对照组治疗有效率为76%,两组差异无统计学意义(χ²=0.542,P=0.461)。实验组肺炎发生率为22%,对照组肺炎发生率18%,两组差异无统计学意义(χ²=0.250,P=0.617)。结论 CRT+ARC技术在局部晚期肺癌临床应用中,与CRT+IMRT相比,近期疗效和主要的副反应放射性肺炎都没有统计学差异。     

Siemens Artiste加速器4种图像引导方式的放射剂量学研究

目的 对Artiste加速器image beam line (IBL)模式下2Dplanar、MV CBCT以及6 MV 2Dplanar和Somatom CT图像引导方式放射剂量进行测量,结合患者照射部位选择恰当图像引导方式。方法 利用IBA Dose 1静电计和FC65 指形电离室对头、胸、盆腔仿真模体在2Dplanar、MV CBCT及6 MV 2Dplanar图像引导模式下放射剂量进行测量,用IBA Dosimax plus A 系统测量Somatom CT 头、胸、盆腔扫描模式放射剂量,对测量结果进行分析。结果 在头颈部位,IBL模式 2Dplanar放射平均剂量为16.60 mGy, MV CBCT放射Dmean为58.73 mGy,6 MV 2Dplanar放射Dmean为19.83 mGy,Somatom CT的放射剂量为7~9 mGy;在胸部,IBL模式 2Dplanar放射Dmean为14.08 mGy,MV CBCT放射剂量为49.17 mGy,6 MV 2Dplanar放射Dmean为18.97 mGy,Somatom CT的放射剂量为9~11 mGy;在盆腔部位,IBL模式 2Dplanar放射Dmean为13.36 mGy, MV CBCT放射Dmean为45.65 mGy,6 MV 2Dplanar放射Dmean为17.52 mGy,Somatom CT的放射剂量为12~15 mGy。结论 头颈部,IBL 2Dplanar图像质量已达到配准要求,用IBL 2Dplanar即可;胸部使用Somatom CT进行图像引导较为恰当;盆腔部位,肠腔和膀胱充盈较好时IBL 2DPlanar进行引导即可,充盈欠佳时MV CBCT模式即可满足要求。     

基于CT影像组学的列线图模型预测肺部肿瘤立体定向放射治疗疗效

目的:基于治疗前CT图像筛选放射组学特征构建列线图模型预测早期非小细胞肺癌（early stage-non-small cell lung cancer,ES-NSCLC）和肺部寡转移癌的放疗疗效。方法:本研究纳入122例接受立体定向放射治疗（stereotactic body radiotherapy,SBRT）的ES-NSCLC和肺部寡转移癌的患者,随机分为训练集和验证集。使用最小绝对收缩和选择算子（least absolute shrinkage and selection operator,LASSO）和逻辑回归（logistic regression）筛选训练集中与放疗疗效相关的放射组学特征以建立列线图模型。用受试者工作特征曲线（receiver operating characteristic curves,ROC）下面积（area under the curve,AUC）、校准曲线和决策曲线（decision curve analysis,DCA）评价模型性能。结果:经筛选得出6个放射组学特征形成放射组学特征分数（radiomics score,Rad-score）以建立列线图模型。模型训练集的AUC值为0.808（95%CI:0.712~0.884,P<0.001）,验证集的AUC为0.741（95%CI:0.556~0.879,P=0.003）。Delong检测显示模型表现均衡（P=0.496）,校准曲线和DCA均显示了模型较好的预测性能和较高的临床价值。结论:我们基于治疗前CT图像开发并验证了用于预测肺部肿瘤SBRT治疗疗效的列线图模型,该模型具有较高的预测性能和临床实用性。     

基于CT影像组学列线图预测宫颈癌放疗急性放射性直肠炎

目的:结合影像组学得分、放射剂量参数以及临床风险因素建立联合预测列线图对宫颈癌患者发生急性放射性直肠炎进行预测。方法:回顾性分析109例宫颈癌患者的影像、剂量学以及临床病理资料。利用Accu Contour软件对CT图像中直肠组织进行自动勾画并提取影像组学特征。按照7∶3的比例随机将所有患者分成训练集和验证集。采用最小绝对收缩和选择算子（LASSO）方法从训练集中筛选最佳的预测特征并计算得到影像组学得分（Radscore）。通过单因素与多因素回归分析筛选独立预测因子建立联合模型并绘制列线图。计算Radscore、临床模型以及联合预测模型的AUC值,并比较3种模型间AUC差异。应用决策曲线分析评估联合模型的临床实用性。结果:经过筛选最终6个影像组学特征参与建立Radscore。单因素与多因素回归结果显示发现年龄、D1cc、V45与Radscore为独立预测因子,并基于4个独立因素建立联合模型。联合模型在训练集与验证集中的AUC分别为0.921、0.845,均高于Radscore与临床模型。决策曲线分析显示联合模型在0.1~0.85阈值范围内表现出了良好的临床实用性。结论:基于CT影像组学开发的列线图在预测宫颈癌放疗急性放射性直肠炎发生中具有一定优势,为临床提供一种快捷、无创且有效的预测手段。     

肺灌注显像联合剂量体积直方图参数预测放射性肺炎的临床研究

 目的　观察接受三维适形或调强放疗的肺癌患者放疗前后肺灌注显像的变化、肺受照射的剂量体积直方图（DVH）参数等,并结合临床因素,探讨其与放射性肺炎发生的相关性。方法　18例接受三维适形或调强放疗的肺癌患者放疗前后行肺灌注显像检查,比较照射前后肺灌注显像的变化。放射性肺炎的评价按美国肿瘤放疗协作组（RTOG）急性放射性肺炎标准评定。获得的CT与单光子发射CT（SPECT）肺灌注图像融合后,将等剂量曲线投影到SPECT图像,将传统的DVH转换成f-DVH。将f-DVH曲线中每例患者的V5、V10和V20所对应的灵敏度与特异度相加,取其最大值,寻找到曲线的界值。分析放疗前后肺灌注显像变化及肺受照射的DVH与放射性肺炎发生的相关性。结果　18例患者中,33.3 %（6／18）发生了2级以上放射性肺炎。放疗前后肺灌注受损加重者2级以上放射性肺炎发生率为62.5 %（5／8）,肺灌注受损改善者发生率为10.0 %（1／10）。f-DVH图曲线中V5、V10和V20的界值分别为53 %、41 %和27 %,以V5对中重度急性放射性肺炎的预测准确度最高。放疗前后肺灌注显像的变化联合全肺DVH参数V5是放射性肺炎最强的预测因素。结论　肺癌患者放疗前后肺灌注显像能反映患侧肺灌注功能的变化。放疗前后肺灌注显像的变化联合DVH参数V5有望作为预测放射性肺炎发生的指标。     

非小细胞肺癌吉西他滨诱导化疗+放疗后放射性肺炎危险因素及剂量学分析

目的 对非小细胞肺癌(NSCLC)吉西他滨化疗后急性放射性肺炎(ARP)的发生情况进行总结,阐明吉西他滨诱导化疗后发生急性放射性肺炎的高危因素及剂量学限制。方法 回顾性分析2010-2017年间浙江省肿瘤医院放疗科收治的接受吉西他滨化疗+胸部放疗的NSCLC患者191例,收集患者的基本信息、放化疗情况以及ARP情况。Logistic法单因素和多因素分析影响ARP发生的因素。结果 共49例患者发生≥2级ARP,占25.7%。单因素分析显示吉西他滨累积剂量≥9.0g发生ARP概率是<9.0g的3.45倍(P=0.015),放疗剂量≥50Gy与ARP发生有关(P=0.008),放化疗间隔时间在10周内ARP发生风险增加7.69倍(P=0.047);双肺V5Gy、V20Gy、V30Gy和平均肺剂量(MLD)均能有效预测ARP发生(P≤0.001)。多因素分析仅有放疗剂量(P=0.044)和V5Gy(P=0.02)是ARP发生的预测因素。结论 对于接受吉西他滨化疗的NSCLC患者来说,吉西他滨累积剂量、化放疗间隔时间以及放疗剂量均与ARP的发生有关,同时应当限制双肺V5Gy、V20Gy、V30Gy和MLD,以减少ARP的发生。     

Receiver operating characteristic curves to assess predictors of radiation-induced symptomatic lung injury

PURPOSE: To assess the utility of dosimetric/functional metrics as predictors of symptomatic radiation pneumonitis using receiver operating characteristic curves. METHODS: Between 1991 and 1999, 277 patients were enrolled on a prospective clinical study to relate radiation therapy (RT) induced changes in lung function with dosimetric and functional metrics. Pre-RT whole and regional functional assessments included pulmonary function tests and single photon emission computed tomography lung perfusion scans. Patients had three-dimensional planning scans and dose calculations (reflecting tissue density heterogeneity) to provide a dose-volume histogram of the lung and associated dosimetric parameters (MLD = mean lung dose, V30 = % of lung receiving >or=30 Gy). Fusion of single photon emission computed tomography and computed tomography scans provides perfusion-weighted dose-function histograms and associated dosimetric parameters (mean perfusion-weighted lung dose). The incidence of clinically relevant radiation pneumonitis requiring steroids was related to the dosimetric and functional metrics. The predictive abilities of models (sensitivity and specificity) were calculated and compared based on the area beneath receiver operating characteristic (ROC) curves (Wilcoxon rank-sum and chi-square). RESULTS: Twenty-seven of 162 evaluable patients with >or=6 months' follow-up developed pneumonitis requiring steroids. Single metrics were typically not good predictors for pneumonitis ( area under ROC curve = 0.5-0.68). The two-dimensional models (e.g., MLD and pre-RT diffusion capacity for carbon monoxide) generally provided greater ROC areas (0.61-0.72). Overall, the models that considered a measure of pre-RT lung function (i.e., pulmonary function tests), the MLD, and mean perfusion-weighted lung dose were best correlated with outcome (ROC area: 0.7) (p < 0.05 compared to unidimensional models). However, because the area under the ROC curve for these models was <1, they too seemed not to be ideal. CONCLUSION: Predicting symptomatic radiation pneumonitis remains difficult. Multiparameter models that consider pre-RT pulmonary function and the three-dimensional dose distribution seem to be best able to predict outcome. Additional studies are needed to better understand the dosimetric/functional determinants of radiation pneumonitis.