论文部分内容阅读
非小细胞肺癌(NSCLC)淋巴结转移是影响患者治疗疗效和预后最重要的临床因素之一,也是肺癌国际TNM分期(T代表肿瘤大小,N代表淋巴结转移情况,M代表远处转移状态)的核心指标。术前准确判断NSCLC淋巴结是否发生转移对指导临床治疗方案选择(如是否手术、淋巴结清扫范围等)及评估预后有重要的临床价值。计算机断层摄影术(CT)是NSCLC患者术前评估的首选影像检查手段,在临床实践中,临床医师主要基于CT图像上淋巴结的径线大小判断淋巴结是否转移,但存在主观性强、诊断敏感度和特异度均较低的缺点,不能满足现代精准医学发展的临床需求。随着医学图像信息分析技术的发展,从肿瘤影像中提取高通量的定量影像特征,将图像转化为可挖掘的数据,用于解析临床信息(如病灶定性、治疗疗效、预后等),这种分析方法被命名为影像组学(Radomics)。通过影像组学大数据挖掘分析方法,提取关键的影像组学特征(构成的特征组合被称之为标签[Signaure]),再结合患者的临床和病理学等信息,构建预测模型,可实现肿瘤的基因分析、病灶定性、疗效评价和预后预测(如预测患者术后5年生存概率、肿瘤复发)等,从而可指导临床决策,具有重要的临床意义。作者针对术前难以准确诊断NSCLC淋巴结转移的临床挑战性问题,进行了影像组学方法和临床应用研究,基于术前患者肺癌CT增强扫描图像,从图像中提取海量影像组学定量特征,通过统计学及机器学习方法,筛选与淋巴结转移高度相关的关键影像组学特征,构建影像组学标签,然后融合多项临床和病理信息,构建了淋巴结转移预测模型,实现了术前个体化预测NSCLC淋巴结转移状态。本研究构建的基于CT影像组学的NSCLC淋巴结转移预测模型,为临床医生术前判断是否发生淋巴结转移提供了无创的定量诊断工具,可辅助指导临床决策,具有较高的临床价值和科学意义。在开展相关研究工作的过程中,本文作者作为第一作者(含共同第一作者)发表了5篇临床肿瘤学领域及医学影像学领域的SCI论文以及1篇临床医学影像学领域的中文核心期刊论文(本研究作者作为所有发表研究中唯一的工科科研人员,负责影像组学特征提取算法设计和数据处理分析),其中以共同第一作者发表于临床肿瘤学领域顶级期刊《J Clin Oncol》的研究论著,是截至目前(2018年7月5日)国际影像组学研究领域的影像因子最高的研究(2017 IF:26.303)。本文的主要研究内容包括如下:(1)设计了一种鲁棒性好的NSCLC影像组学特征提取算法流程。作者在前期研究中,设计了基于纹理特征的提取方法,并在软件程序上实现了 150个特征的提取;在本项目中,作者进一步完善和优化了影像组学特征提取算法,再结合本研究项目需求及具体的临床问题制定恰当的研究方案并用编程语言实现,所提取的特征包括灰度直方图、纹理、小波变换、Gabor变换等4个类别,合计591个特征。(2)提出了一种性能稳定的NSCLC影像组学特征降维和筛选方法。根据影像组学特征与患者发生临床结局(是否发生淋巴结转移)的关联映射,作者首先使用可重复性相关分析实现影像组学特征的降维与初筛,随之采用L1正则化(Least absolute shrinkage and selection operator,Lasso)Logistic回归模型对初筛后的数据进行关键影像组学特征的筛选,继而融合关键影像组学特征,构建可用于预测NSCLC淋巴结转移的影像组学标签(即影像组学特征的集合)。本文作者设计采用的特征选择方法共筛选出了 13个关键影像组学特征用于后续建模分析,并将该系数非零的特征进行线性组合以获得影像组学标签。作者发现其构建的影像组学标签和NSCLC淋巴结转移具有显著的统计学相关性,具有较好的鉴别诊断能力(曲线下面积[AUC]为0.734)。(3)提出了一种联合影像组学标签和临床指标的淋巴结转移预测模型构建方法,实现NSCLC患者淋巴结转移的个体化预测。作者通过将获得的影像组学标签与发生淋巴结转移危险因素纳入多参数变量Logistic回归模型进行预测模型建模,构建的预测模型具有较好的淋巴结转移预测效能及模型校准结果(AUC为0.789);且为了方便在临床实践中使用模型,作者进一步绘制了列线图(nomogram),将预测模型进行可视化,便于临床医师使用该预测模型进行术前个体化精准预测淋巴结转移,从而指导临床决策。本文作者设计的基于NSCLC患者术前CT增强扫描图像的影像组学特征提取方法、影像组学特征筛选方法以及淋巴结转移预测模型构建方法已在作者所在课题组的多项临床研究中得到很好的应用及验证,相关工作发表在临床肿瘤学及影像学领域核心SCI期刊,合计14篇,其中以第一作者发表于SCI期刊《Sci Rep》(2017 IF:4.122)和临床医学影像学领域中文核心期刊《中华放射学杂志》各1篇;以共同第一作者在《Euro JRadiol》(2017IF:2.843)、《ChinJCancer Res》(2017 IF:3.689)、《AbdomRadiol(NY)》(2017IF:1.506)发表SCI论文各1篇(均排第二),以及临床肿瘤学领域顶级期刊《J ClinOncol》(排第三)1篇;其中,发表在《JClinOncol》的研究论著为截至目前(2018年7月5日)国际影像组学研究领域影响因子最高的论著(2017IF:26.303)。