影像组学模型对肺腺癌谱病变病理侵袭性的诊断价值

目的:探讨针对肺腺癌谱病变的影像组学模型对其病理侵袭性的诊断效能。方法:回顾性分析我院经手术病理证实的172例肺腺癌谱病变(5~30 mm)患者的术前CT影像资料。采用Pyradiomics包提取术前CT图像病灶的影像组学特征,通过组间相关系数和带L2惩罚项的逻辑回归进行特征筛选,根据所选特征建立逻辑回归、随机森林、极致梯度提升分类器模型并绘制ROC曲线。由两位高年资放射科医生在不知道病理结果的情况下对结节侵袭性概率进行评分。采用Delong检验将三种分类器的诊断效能与年龄、ROI体积、高年资医生的诊断效能进行比较。结果:从每一个感兴趣区提取、筛选后得到420个影像组学特征。逻辑回归、随机森林和极致梯度提升分类器模型在测试集上的ROC曲线下面积分别为0.921、0.956和0.958。年龄、ROI体积和高年资放射科医生在测试集的ROC曲线下面积分别为0.620、0.863和0.896。Delong检验提示三种分类器间的诊断效能差异无统计学意义(P>0.05),三种分类器与ROI体积、高年资医生的诊断效能差异亦无统计学意义(P>0.05)。结论:影像组学分类器模型进行肺腺癌谱病变的术前病理诊断具有较高的准确性,其诊断效能与ROI体积以及高年资医生相当。

后疫情时代人工智能肺炎辅助诊断系统的临床应用场景探索

目的:基于临床验证性研究,探索后疫情时代人工智能肺炎辅助诊断系统(AI-ADS)潜在的临床应用场景。方法:回顾性收集了来自三家医院的1049例胸部CT扫描数据,包括400例胸部CT表现正常的病例、233例新冠肺炎病例和416例其他社区获得性肺炎病例。六名高年资放射科医师参与了数据标注工作。采用敏感度、特异度、Dice系数和受试者操作特征(ROC)曲线下面积(AUC)评估人工智能系统在相应场景中的性能表现。结果:AI-ADS基于胸部CT识别各类型肺炎、细菌性肺炎、新冠肺炎、其他病毒性肺炎和其他社区获得性肺炎的AUC分别为0.968、0.983、0.992、0.941、0.958,检测各种肺炎的敏感度均超过0.90;鉴别病毒性肺炎和非病毒性肺炎的AUC达到0.950,敏感度为0.885,特异度为0.910;在新冠肺炎和其他社区获得性肺炎测试集中分割肺炎区域的平均Dice系数分别达到0.851和0.753。结论:AI-ADS在肺炎的检测预警、病灶定量分析以及鉴别诊断方面具有良好的性能,具备了后疫情时代的多场景应用价值。

RSNA2023胸部影像学

2023年RSNA年会的主题是“引领变革”,强调了放射学领域的不断发展,旨在让放射学专业人员在变革中起到引领作用。今年关于胸部影像学方面的研究热点和重点包括以下几个方面:人工智能、深度学习、影像组学、气道病变与慢性阻塞性肺疾病、肺弥漫性疾病、肺结节与肺癌筛查、胸部恶性肿瘤、血管疾病、肺部感染性疾病、胸部MRI和能量CT。本文针对上述内容进行较全面的综述。

RSNA2022胸部影像学

2022年RSNA年会的主题是“赋能以人为本”,强调从患者的角度出发,医患携手共同改善健康问题。新型冠状病毒肺炎(COVID-19)、人工智能和深度学习依然是今年的研究热点,肺结节、肺癌、慢性阻塞性肺疾病和间质性肺疾病等常见病依然占据着主要地位,胸部MRI和能量CT等成像新技术在临床中的应用也逐渐增多。本文针对上述内容进行较全面的综述。

肺腺癌影像组学预后模型构建和肿瘤微环境相关性分析

目的构建肺腺癌影像组学预后模型,比较不同指标的预测效能并探究影像组学特征与肿瘤微环境的相关性。方法本研究为对癌症影像档案(TCIA)数据库中的非小细胞肺癌(NSCLC)-Radiogenomics数据集的再分析。原始研究共包括211例NSCLC患者,经纳排共114例肺腺癌患者被纳入模型构建分析。完成对纳入的肺腺癌患者术前CT图像的分割后,使用Pyradiomics包提取影像组学特征。结合无病生存期资料,通过单因素COX回归-LASSO回归-多因素COX回归的连续过程构建预测肺腺癌患者术后预后的影像组学模型。根据风险得分中位值将患者分为高、低风险两组,通过生存曲线分析高低风险组的生存差异。随后将多种临床因素和模型特征纳入多因素COX回归模型,得到临床-影像组学混合模型,并通过受试者工作特征曲线(ROC)曲线下面积(AUC)比较组学模型、混合模型、T分期、G分期的预后预测效能。最后,基于肿瘤样本的转录组测序资料得到ESTIMATE评分和CIBERSORT算法分析结果,从而比较高低风险组肿瘤样本的肿瘤细胞含量,以及分析影像组学特征与免疫细胞浸润比例的相关性。结果从每个感兴趣区(ROI)共提取得到863个影像组学特征。构建的影像组学预后模型、临床-影像组学混合模型AUC分别为0.728、0.739。根据影像组学模型风险得分中位值划分的高低风险组之间,生存具有显著差异,且高风险组有显著更高的ESTIMATE评分。高风险影像组学特征可能与更高的调节性T细胞浸润比例以及更低的树突状细胞、活化的CD4记忆T细胞浸润比例相关。结论影像组学风险得分模型预测未接受免疫治疗的肺腺癌术后患者的预后有较高的效能,高风险组肿瘤纯度更低,即肿瘤细胞与基质细胞和免疫细胞的比例更低,有更高的抑制性免疫细胞浸润比例。