能更准确预测肺癌淋巴结转移？有望提升其他疾病的诊断精度

2019-05-17 11:45:35来源：中科院之声

肿瘤是一个令人心惊胆战的词，而肺癌无疑是其中更为凶险的一位。目前，我国肺癌患者发生率居癌症前列，是人民生命威胁最大的恶性肿瘤之一。而肺癌最为可怕的是，早期症状不明显，甚至未见明显不适，发现往往已达晚期，而且肺癌发生、发展以及转移的速度非常迅速。

目前随着胸部CT筛查的逐渐普及，早期肺癌占比越来越高，但患者术后五年生存率未见明显改善，很大一方面原因是术前没有对淋巴结进行准确评估。如何及时准确的评估淋巴结的状态，是科研人员最为关心的问题。

此前，科研人员利用影像信息开展的癌症患者生存期无创评估、淋巴结转移预测与预后预测等相关研究都是局限于利用肿瘤区域的影像特征来分析建模。随着生物学研究以及临床的不断实践，科学家们发现，肿瘤周围环境可以分泌大量生长因子和细胞因子，诱导缺氧和血管生成，在肿瘤的发生、发展和转移中起着重要作用。

然而大量影像科医生在诊断的过程中，虽然知道瘤周的重要作用，但是由于人眼的限制，无法获悉瘤周的影像学表现，从而忽略了瘤周在诊断上的潜在价值。

图1 早期肺癌患者CT影像的肿瘤（GTV）以及肿瘤周围环境（PTV）：左上为横断位，左下为冠状位，右图为矢状位

图1 早期肺癌患者CT影像的肿瘤(GTV)以及肿瘤周围环境(PTV)：左上为横断位，左下为冠状位，右图为矢状位

肿瘤区域与瘤周区域在平扫CT如图1所示，从图中可以看出，瘤周的边界范围不清楚，并且在平扫CT上呈现低信号，凭借肉眼是观察不到任何的差别。所以在构建模型时，大部分的研究学者更为主观地来根据肿瘤区域进行特征提取。而计算机则可以打破人眼的限制，同时可以发现更多的影像学特征。

另一方面，通常临床上，医生利用CT图像提取几个重要的影像学征象，如毛刺、分页、肿瘤实性成分占比、肿瘤的大小、CEA等指标来判断早期非小细胞肺癌患者的淋巴结转移状态。

国内外部分文献报道了CT形态学特征与淋巴结转移的相关性，但是由于形态学特征具有主观性，导致每个研究的结果一致性较差。低年资影像科医生往往对征象认识不足，因此会出现误诊及漏诊。因此急需引入一种术前无创预测淋巴结转移的方法，弥补当前术前预测淋巴结转移的方法的不足，为患者治疗策略制定和个体化医疗提供帮助。

根据上述原因，中科院苏州医工所高欣团队等以非小细胞肺癌为例，尝试去融合瘤周的影像特征来建立早期非小细胞肺癌患者淋巴结转移分类模型，利用影像组学方法，实现了对早期非小细胞肺癌患者术前淋巴结转移的精准预测，可以更加客观地来对疾病进行评判，不再依赖医生的临床经验。

模型建立的思路是分别从肿瘤区域和瘤周区域提取高通量影像组学特征，经过特征筛选，利用最小绝对值收敛和选择算子(LASSO)训练分类器模型。然后利用逻辑回归算法，将影像组学特征和医生判断淋巴结转移的特征进行融合建模，模型的分类能力相比于单独的影像组学模型或临床医生分类的精度有较大提升，体现出人机结合的优势与魅力。

研究人员利用上述构建的人机结合预测模型绘制了一个对应的列线图，如图2所示，供临床医生使用，可以更加直观精准地给出早期非小细胞肺癌患者发生淋巴结转移的风险概率。

首先将患者的平扫CT图像输入到计算机，计算机可以根据肿瘤和瘤周的特征，给出影像组学模型的特征值;然后医生也会对患者的影像数据进行评判，给出每位患者的肿瘤征象的特征值;将患者的每一个特征值对应到Points轴上，会得到一个特征打分，然后将所有特征打分加起来，得到一个总分，最后在Risk轴上找到总分对应的数值，得到最终的淋巴结转移风险概率。

图2 人机结合模型列线图