重庆大学附属肿瘤医院影像科张久权主任科研团队在AcademicRadiology杂志上接收题为“Development and validation of a CT-based signature for the prediction of distant metastasis before treatment of non-small-cell lung cancer”的研究论文，探讨了基于CT增强图像的影像组学模型预测治疗前非小细胞癌远处转移的可行性。文章为该团队2020年目前接收发表的第15篇SCI论文。
研究背景
肺癌是世界上癌症死亡相关的最主要因素，非小细胞肺癌(NSCLC)是肺癌最常见的病理类型。研究表明，约40%的NSCLC患者在确诊时已经发生远处转移（DM）。准确预测非小细胞肺癌患者是否发生DM对制定治疗决策十分重要。影像组学能够高通量地从医学图像中提取和分析大量的定量特征，在医学领域得到了广泛的应用。目前，影像组学主要用于预测肿瘤的组织学分型、EGFR突变状态、淋巴结转移和疗效反应。本研究的利用标准方法建立和验证预测NSCLC患者发生DM的影像组学模型、临床-语义模型及二者联合模型，并探索联合模型与单独模型相比是否具有增益价值。
研究方法
本研究回顾性纳入356位非小细胞肺癌患者。根据image biomarker standardization initiative (IBSI)参考手册，我们使用内部软件对图像处理和特征提取进行标准化。从胸部CT增强图像中每个病变提取了6692个组学特征，采用leastabsolute shrinkage selection operator (LASSO)和recursive featureelimination (RFE)算法进行特征选择，并用Logistic回归分类器建立三个模型即影像组学模型、临床-语义模型和二者联合模型以预测非小细胞癌远处转移，在验证组中对所建模型的性能进行进一步评价。最后，我们开发了基于联合模型的诺模图，对每个患者远处转移的风险进行评估。
研究结果
选取9个影像组学特征构建预测DM的影像组学模型，训练组和验证组的AUCs分别为0.76和0.76。选取3个临床-语义特征构建预测DM的临床-语义模型，训练组和验证组的AUCs分别为0.70和0.67。将二者特征合并建立预测DM的联合模型，在训练组和验证组中的AUCs分别为0.78和0.77。影像组学模型和联合模型在训练组和验证组中的表现均优于临床-语义模型。决策曲线证实了它们的临床有效性。
Comparison of receiver operating characteristic (ROC) curves among the radiomics model, clinical-semantic model and combined model in the training cohort (A) and validation cohort (B). The AUC values in the combined model and radiomics model were better than those in the clinical-semantic model for the prediction of DM.
研究结论
我们的研究表明，联合模型在预测非小细胞肺癌患者远处转移方面有很大潜力。作为一种有前景的无创方法，联合模型可以为制定治疗策略和患者的个性化监测提供辅助指导，增加临床医生信心，从而实现精准医疗。
第一作者简介
陶俊利，重庆大学附属肿瘤医院，医学硕士，主治医师
主要研究方向为肺癌肿瘤影像学；
以第一及通讯作者发表SCI 2篇；
参与省部级课题1项
共同第一作者简介
吕荣飞，重庆大学光电工程学院，在读硕士
主要研究方向为医学图像分割、模式识别；
重庆大学图像信息处理研究室成员；
发表EI核心论文一篇；共同第一作者发表SCI论文1篇；
参与重庆市科卫联合医学科研项目、中央高校基本科研业务费“医工融合项目”等；
通讯作者介绍
张久权教授，重庆大学附属肿瘤医院影像科科主任，医学博士，硕士生导师
第五批重庆市中青年医学高端人才，获得重庆市科技进步奖二等奖一项；曾赴美国Emory大学访问研究一年，赴埃塞俄比亚军事医疗援助1年；主要研究方向为功能神经影像学和肿瘤影像学；参编国家卫生和计划生育委员会“十二五”规划教材《医学影像学》在内的专著3部.
