基于CT的影像组学分析在预测和鉴别治疗相关性肺炎中的应用

影像组学作为一种非侵入性的图像分析方法, 能够深度发掘隐藏在医学影像背后的临床信息, 近几年在医学上得到了广泛应用。同期放化疗后巩固免疫治疗已经成为局部晚期非小细胞肺癌的标准治疗方案, 治疗相关不良反应放射性肺炎(RP)和免疫检查点抑制剂相关性肺炎(CIP)的预测和鉴别对于治疗方案的制定及后续治疗方案的选择至关重要。基于CT的影像组学分析在预测RP和CIP以及二者鉴别方面展现了巨大潜力。     

影像组学技术进展及其在非小细胞肺癌中的应用

影像组学是一种新兴的定量影像分析方法,以非侵入性的方式从医学图像中提取大量的数据信息,全面、动态评估肿瘤的异质性,定量描述肿瘤表型。由于其潜在的治疗结果和肿瘤遗传学的预测能力,随着影像组学研究的不断深入,在非小细胞肺癌（non-small cell lung cancer, NSCLC）的诊断、治疗、预后评估等方面开展了大量的研究并取得了一系列的成果,但仍面临许多挑战。本文将全面阐述影像组学研究所面临的挑战、技术进展及其在NSCLC中的应用。     

精准治疗时代18F-FDG PET/CT影像基因组学在非小细胞肺癌中的应用进展

摘 要：目前18F-脱氧葡萄糖（18F-deoxy glucose,18F-FDG）PET/CT已经较为常规地用于非小细胞肺癌的诊断、临床分期、疗效监测及预后判断。近年来,运用影像组学的方法预测肿瘤分子表型和基因表达模式即影像基因组学成为新的研究热点。影像基因组学使用计算机技术提取肿瘤影像特征,捕捉肿瘤内部的生物化学信息,为肿瘤的精准诊疗提供了新的依据。全文就18F-FDGPET-CT影像基因组学在非小细胞肺癌中研究进展进行综述。     

影像组学在局限期小细胞肺癌脑预防照射优化中的价值

目的探讨治疗前胸部增强CT影像组学模型对局限期小细胞肺癌(LS-SCLC)脑转移的预测能力以及指导个体化预防性脑照射(PCI)的价值。方法回顾性分析2012年1月至2018年12月在山西省肿瘤医院经病理确诊为小细胞肺癌及影像学检查确定为局限期患者资料97例。基于最小绝对值收缩和选择算子(LASSO)Cox与相关性检验筛选与LS-SCLC脑转移显著相关的影像组学特征构建模型, 使用校正曲线、受试者操作特征曲线下面积(AUC)、内部5折交叉验证、决策曲线分析(DCA)与整合布莱尔评分(IBS)评估影像组学模型的预测效能与临床获益, 使用Kaplan-Merier曲线和log-rank检验绘制生存曲线和评估组间差异。结果提取出影像组学特征1272个, 使用LASSO Cox回归和相关性检验筛选特征, 最后通过8个与LS-SCLC患者脑转移发生相关的影像组学特征构建影像组学模型。影像组学模型预测LS-SCLC患者1年与2年脑转移的AUC分别为0.845(95%CI为0.746～0.943)和0.878(95%CI为0.774～0.983)。5折内部交叉验证、校正曲线、DCA以及IBS显示模型有...     

CT影像组学在非小细胞肺癌疗效评价中的研究进展

影像组学通过非侵入性方式从电子计算机断层扫描（computed tomography,CT）图像中深度挖掘有价值的特征,以表征肿瘤表型与临床治疗结果的相关性,其在非小细胞肺癌（non-small cell lung cancer,NSCLC）疗效评价中具有重要意义。本文就针对CT影像组学在NSCLC疗效评价中的研究方法进行综述。首先,归纳总结了NSCLC CT影像组学的研究内容;然后,从不同治疗方式的角度,即放化疗、靶向治疗和免疫治疗,对CT影像组学在NSCLC疗效评价中的研究方法进行概述,并将CT影像组学与其他常用疗效评价体系进行比较;最后,对CT影像组学在NSCLC疗效评价应用中的发展趋势进行总结与展望。     

早期非小细胞肺癌立体定向放疗研究进展

靶区确定、治疗实施和影像引导技术的不断发展进步,使立体定向放疗技术广泛应用于体部肿瘤治疗成为可能.本文从立体定向放疗开始成为早期非小细胞肺癌的一种治疗手段,早期非小细胞肺癌立体定向放疗技术建立的关键,早期非小细胞肺癌立体定向放疗治疗结果及常见的毒副反应等几个方面综述立体定向放疗应用于早期非小细胞肺癌治疗的研究进展.     

影像组学技术及其在肿瘤精准放疗中的应用

影像组学即从CT、MRI和PET等影像中提取并分析高通量的特征[1]，从而反映肿瘤的时空异质性。其处理流程包括：图像收集，感兴趣区域分割，特征提取与统计分析（模型构建），分类与预测（模型应用）。目前影像组学处理流程较为完善，但相关技术的优化仍是挑战。基于影像组学的放疗新技术已经提高了一些癌症的局部控制率和患者的生存率，例如立体定向体部放射治疗（SBRT）用于非小细胞肺癌（NSCLC），精准的高剂量极大地提高了局控和整体生存率。SBRT治疗早期肺癌的成功和这种治疗模式的出现，在目前和未来的临床实践中对其他肿瘤治疗也有重要的借鉴价值[2]。本文将对影像组学各流程相关进展进行介绍，并分析其在肿瘤精准放疗中的应用。     

非手术非小细胞肺癌的大分割放射治疗

非小细胞肺癌约占原发肺癌的85%,对于不可手术或拒绝手术的非小细胞肺癌患者,放射治疗成为治疗的主要手段。随着影像和放疗技术的发展,大分割放疗在非小细胞肺癌中的应用取得了较好的疗效。本文旨在对非小细胞肺癌大分割放疗的放射生物学基础和非手术非小细胞肺癌大分割放疗的最新临床研究进行系统性回顾。     

CT灌注成像评价非小细胞肺癌抗血管生成治疗

CT灌注成像作为一种无创性的功能性影像学成像检查方法,能够反映出非小细胞肺癌的血管生成情况,并且通过血管的变化情况来评价非小细胞肺癌对抗血管生成治疗药物的治疗反应。相比以往的RECIST评价方式,CT灌注成像在治疗伊始就可以提供肿瘤变化情况的信息。基于非小细胞肺癌的血管生成原理,CT灌注成像的主要评价指标包括血流量、血容量、对比剂的平均通过时间、毛细血管通透性以及强化峰值等灌注参数。而CT灌注成像对于“血管正常化”的指标的分析将可以影响对非小细胞肺癌预后和疗效的预测评价。非小细胞肺癌的微血管管腔化程度以及血管内皮生长因子的表达与CT灌注成像评价指标之间也存在密切联系,而非小细胞肺癌的病理分级和组织学分型的不同也在CT灌注成像的评价中有着重要影响。由于技术层面的限制,灌注参数的可重复性较差,患者接受的放射剂量过大及造影使用的对比剂的毒性等,这种方法的应用推广仍然存在很大问题。相信随着更多分子影像标志物的出现和抗血管生成靶向治疗药物的发展,应用CT灌注成像的方法对非小细胞肺癌的抗血管生成治疗进行临床评价将可能有更大的发展空间。      

PET/CT在非小细胞肺癌精确放疗中的应用

PET/CT是集解剖影像和生物影像于一体的影像技术,在临床的应用越来越广泛,对指导非小细胞肺癌的精确放疗有重要的价值.笔者就PET/CT在非小细胞肺癌分期、原发病灶及区域淋巴结靶区勾画、正常组织保护及评价非小细胞肺癌的治疗效果、检测复发、预后评价等方面的应用进行分析和探讨.     

基于放射组学预测放射性肺炎的初步研究

目的 基于肺癌患者胸部定位CT图像进行筛选与放射性肺炎发生相关的放射组学特征,构建机器学习模型,探讨放射组学在预测放射性肺炎发生中的价值。方法 回顾性分析行根治性调强放疗的Ⅲ期非小细胞肺癌患者86例,通过随访影像学资料及临床信息将其进行放射性肺炎分级,并收集其定位CT图像。将全肺作为感兴趣体积进行放射组学特征的提取,分析与发生放射性肺炎有关的放射组学特征及临床、剂量学特征。利用支持向量机进行模型构建, 通过五折验证方式检测模型预测性能。结果 提取出放射组学特征1029个,通过方差分析及LASSO方法共得到与发生放射性肺炎有关的放射组学特征5个。单纯利用放射组学特征构建模型的测试集曲线下面积(AUC)=0.67,利用放射组学特征结合临床、剂量参数构建模型的测试集AUC=0.71。结论 在通过利用Ⅲ期非小细胞肺癌患者的定位CT图像进行构建的放射组学模型有预测放射性肺炎发生的潜能,加入临床及剂量参数后可进一步提高预测效能。     

放射组学在非小细胞肺癌中的应用

自19世纪末发现X射线世纪以来,医学影像学已经发展了100多年,并已成为重要的临床诊断辅助工具。随着人类基因组计划（Human Genome Project,HGP）的启动和各种高通量检测技术的发展,后基因组时代的疾病探测已经从研究结构变化扩展到基于基因表达和表观遗传学深入分析组织、器官和细胞中的分子异常。因而引起了基因组学,蛋白质组学,代谢组学和其他系统生物学亚种,包括放射基因组学（radiogenomics）。Radiogenomics是传统视觉识别成像技术的一次重要革命,并构成了一个新的分支-放射组学（radiomics）。Radiomics是一种利用医学成像分析和数据挖掘方法的非侵入性技术,近年来广泛应用于癌症的疾病诊断,进展评估和治疗监测,提供了以低成本改善癌症治疗决策的机会。本综述总结了radiomics在非小细胞肺癌（non-small cell lung cancer,NSCLC）中的具体应用。     

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。     

CTC及ctDNA在非小细胞肺癌精准治疗中的进展

在近年的非小细胞肺癌（non-small cell lung cancer,NSCLC）的治疗中,精准治疗已然兴起,其中循环肿瘤细胞(circulating tumor cell,CTC)及循环肿瘤脱氧核糖核酸（circulating tumor DNA,ctDNA）作为“液体活检”,具有低创伤性,高可靠性,且能够根据检测到的基因变异情况来指导治疗方案、检测治疗结果,目前已被批准应用于临床治疗当中,并已展现出其突出的能力。本文将重点分析利用CTC及ctDNA来检测早期肺癌、预测治疗应答、微小残留病的监测及疾病的复发和耐药机制的识别的研究。并探讨了ctDNA可以补充组织活检和在非小细胞肺癌患者的临床管理中是不可或缺的标志物。     

厄洛替尼联合消岩汤加减方治疗非小细胞肺癌的临床观察

目的：观察厄洛替尼联合消岩汤加减方治疗非小细胞肺癌（ＮＳＣＬＣ）的临床疗效。方法：选择ＮＳＣＬＣ患者共５８例,分为厄洛替尼联合消岩汤加减方组３０例（以下称治疗组）及单药厄洛替尼组２８例（以下称对照组）,两组治疗期间均未行放、化疗。结果：治疗组病灶缓解率优于对照组,有统计学意义（P＜０.０５）;两组在临床症状、生活质量、免疫功能及肿瘤标志物等方面,治疗组均优于对照组（P＜０.０５）。结论：厄洛替尼联合消岩汤加减方治疗ＮＳＣＬＣ的疗效较好,能稳定病灶,有效改善临床症状,提高生存质量及免疫功能,并降低皮肤毒性的发生率。     

非小细胞肺癌ERCC1表达与铂类药物疗效相关性的荟萃分析

目的:运用循证医学的方法学原理,对中国非小细胞肺癌患者ERCC1表达与铂类药物疗效相关性进行评价,为肿瘤的个体化治疗提供一定的理论依据及策略。方法:检索2011-02前发表的中英文数据库,纳入中国人群ERCC1表达与基于铂类化疗方案疗效的临床对照研究。采用RevMan 4.2.8软件进行数据处理。结果:共纳入17项研究,累计病例1 293例,其中ERCC1阳性表达611例,ERCC1阴性表达682例。异质性检验显示,χ2=11.45,P=0.41;采用随机效应模型,合并OR值为2.82,95%CI:2.12～3.74,P<0.000 01。能接受纳入研究的偏倚,P=0.244。结论:ERCC1阴性表达与铂类药物化疗的疗效有很好的相关性。由于各研究报道的生存时间单位不统一无法合并,因此,对生存期的预测还不能完全确定。     

驱动基因阴性的晚期非小细胞肺癌维持治疗进展

肺癌是全球常见的致死率最高的恶性肿瘤。越来越多的研究表明,对于晚期非小细胞肺癌一线治疗后没有进展的患者,维持治疗使患者无进展生存期和总生存期明显获益。传统上对于没有检测到驱动基因的非小细胞肺癌患者,仅能接受化疗,其有效性低,且副作用大,寻找更加有效的治疗方案迫在眉睫。随着新药的层出不穷,本文对如何优化驱动基因阴性的晚期非小细胞肺癌患者的维持治疗,从而提高患者生存期作一综述。     

False-positive findings on [18F]FDG-PET caused by non-neoplastic cellular elements after neoadjuvant chemoradiotherapy for non-small cell lung cancer

We report two patients with non-small cell lung cancer who had a pathologically complete response after neoadjuvant chemoradiotherapy, although they had positive [(18)F]fluoro-deoxyglucose positron emission tomography ([(18)F]FDG-PET) scans. They underwent concurrent chemoradiotherapy, which resulted in a partial response determined by computed tomography (CT). While [(18)F]FDG-PET after chemoradiotherapy was positive, pathological examination showed that the tumors were fibrotic lesions with infiltration of lymphocytes and macrophages, with the appearance of metaplastic epithelial cells. The reasons for the false-positive results on [(18)F]FDG-PET were considered to be the high uptake of FDG in non-neoplastic inflammatory cellular elements, i.e. macrophages, lymphocytes and metaplastic epithelial cells, and squamous metaplasia induced by chemoradiotherapy. Although several studies demonstrated that [(18)F]FDG-PET could predict the response of neoadjuvant treatment of non-small cell lung cancer, one should bear in mind that false-positive results could be observed in pathological complete response of non-small cell lung cancer after neoadjuvant chemoradiotherapy.     

Stereotactic Conformal Radiotherapy in Non-small Cell Lung Cancer - An Overview

Stereotactic conformal radiotherapy is an established technique in treating cranial lesions and has made significant inroads in the treatment of extracranial sites as well. Early stage non-small cell lung cancer is one such site. This overview assesses the results that have been achieved with stereotactic conformal radiotherapy in non-small cell lung cancer so far and compares its efficacy with surgical and other non-surgical modalities.     

Toward radiomics for assessment of response to systemic therapies in lung cancer

This editorial comment explains recent developments in radiomics regarding the use of quantitative imaging biomarkers to predict lung cancer sensitivity to a variety of cancer therapies. Tumor response assessment has been a crucial component guiding cancer treatment. Evaluation of treatment response was standardized and classically based on measuring changes in tumor lesion size. Recent breakthroughs in artificial intelligence pave the way for the use of radiomics in tumor response assessment. Such objective techniques would bring a remarkable transformation to conventional methods, which can be inherently subjective. Successful implementation of these technologies would allow for faster and more accurate predictions of treatment efficacy, which will be critical to the advancement of personalized medicine.