基于影像组学与生物等效剂量组学的放射性肺炎预测研究题录

目的结合影像组学和剂量组学特征, 采用机器学习方法构建放射性肺炎的预测模型。方法回顾性分析2019—2021年在本院接受放疗的88例非小细胞肺癌患者。将肺组织-临床靶区的区域作为感兴趣区域, 从该区域的CT图像和剂量分布中提取影像组学和剂量组学特征。利用2 Gy/次等效剂量(EQD2)模型将物理剂量转换为生物等效剂量, 并从中提取基于EQD2的剂量组学特征。将影像组学结合剂量组学、影像组学结合生物等效剂量组学特征分别输入11个不同的分类器构建预测模型, 并采用五折交叉验证法完成分类实验。受试者工作特性曲线下面积(AUC)值被用来评价模型的有效性。结果两种模型都可以很好地预测放射性肺炎的发生, 两种算法下影像组学结合生物等效剂量组学模型的平均AUC值均更高(0.77±0.06∶0.85±0.03, 0.76±0.09∶0.85±0.05, 均P<0.05)。结论基于影像组学和生物等效剂量组学的多模态组学方法能够更加有效地预测放射性肺炎的发生, 为临床肺癌患者的放疗提供指导。