在美国,肺癌是男性和女性中第二常见的癌症。它也是男女癌症死亡的主要原因,占全国所有癌症死亡人数的近 25%。这就是肺癌筛查如此重要的原因,尤其是在终生吸烟者等高危人群中。使用低剂量计算机断层扫描 (CT) 进行筛查可使肺癌死亡率降低 20%。然而,低剂量 CT 确实有其局限性,例如过度诊断可能永远不会对患者造成伤害的缓慢生长的肺癌。在Nature Scientific Reports上发表的一项新研究中, 莫菲特癌症中心的研究人员已经展示了放射组学的使用如何通过识别早期肺癌患者来改善肺癌筛查,这些患者可能处于较差结果的高风险中,因此需要积极的后续和/或辅助治疗。
放射组学是癌症研究的一个不断发展的领域,它从医学成像中提取非侵入性生物标志物。它优于循环和基于组织的生物标志物,因为放射组学特征是根据标准护理成像计算的,反映了整个肿瘤负荷,而不仅仅是肿瘤样本。
在这项研究中,莫菲特研究人员使用了国家肺部筛查试验 (NLST) 的数据,该研究比较了两种肺癌筛查方法——低剂量 CT 和标准胸部 X 光检查。他们从在筛查期间被诊断患有肺癌的 NLST 患者中生成放射组学特征。从肺癌肿瘤内部(瘤内)和周围(瘤周)计算特征,包括大小、形状、体积和结构特征。然后将患者分为训练组和测试组,并使用非筛查检测到的肺癌患者的外部队列进行进一步验证。
“我们的目标是使用放射组学特征来开发一个可重复的模型,该模型可以预测在肺癌筛查期间被诊断出的患者的生存结果,”Jaileene Pérez-Morales 博士说,他是该研究的主要作者和 Moffitt 的博士后研究员.
在分析去除冗余和不可重现的放射组学特征后,研究人员能够开发出一个模型,该模型可以识别筛查检测到的早期肺癌患者的弱势群体,这些患者的生存结果很差。具体来说,该模型使用两种放射组学特征,一种是瘤周的,一种是瘤内的,将患者分为三个风险组——低、中和高。高风险患者可能患有更具侵袭性的癌症,虽然早期发现,但仍可能需要经常随访和/或辅助治疗。