肺癌放疗患者症状性放射性肺炎预测的CT影像组学研究

作     者：孔燕 吴佳 魏贤顶 孔旭东 鲍而文 孙宗琼 黄建锋 Kong Yan;Wu Jia;Wei Xianding;Kong Xudong;Bao Erwen;Sun Zongqiong;Huang Jianfeng

作者机构：江南大学附属医院放疗科无锡214122 江南大学附属医院影像科无锡214122 

出 版 物：《中华放射医学与防护杂志》 (Chinese Journal of Radiological Medicine and Protection)

年 卷 期：2022年第42卷第2期

页      面：115-120页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1002[医学-临床医学] 08[工学] 100214[医学-肿瘤学] 10[医学] 

主　　题：肺癌 放射治疗 放射性肺炎 影像组学 计算机体层成像 

摘      要：目的基于肺癌患者放疗前的CT影像组学特征,综合临床信息与放疗剂量学特征,利用机器学习方法构建症状性放射性肺炎的预测模型。方法回顾性收集2018年11月至2020年4月在江南大学附属医院接受放疗的103例肺癌患者的临床与剂量学资料。获取这些患者放疗前胸部CT影像,勾画双侧正常肺组织结构,提取250种影像组学特征。用单因素分析研究临床、剂量学特征与放射性肺炎发生的相关性。收集所有影像组学特征、临床和剂量学特征作为潜在预测因子,通过LASSO回归机器学习方法筛选特征,并得到肺炎预测模型。然后根据筛选的特征建立放射性肺炎发生风险的列线图。结果单因素分析结果表明,症状性放射性肺炎与双侧正常肺组织的平均肺剂量(MLD)、V20 Gy和V30 Gy的相关性具有统计学意义(t=2.20、2.34、2.93,P0.05)。在综合所有影像组学特征、临床和放疗剂量学特征后,本研究共筛选出4个特征,为肺的剂量体积百分数V30 Gy,和3个影像组学特征,包括灰度共生矩阵类别的熵特征、小波变换直方图类别的均值及中位数特征。基于这些特征所构建的肺炎预测模型的曲线下面积(AUC)为0.757。绘制了可根据特征值给予个体化的风险预测与提前干预的列线图。结论放疗前的CT影像组学结合剂量学特征可用于预测症状性肺炎的发生,可望为临床提前干预提供帮助。