מאמר שיטה

רדיומיקה של טומוגרפיה ממוחשבת טרום-ניתוחית לסיווג דפוסי הישנות של סרטן ריאה מסוג תאים לא קטנים בשלבים T3–T4

4 צפיות

⸱

DOI:

10.3791/70929

⸱

22 בספטמבר 2026

 ,  ,  ,  ,  ,  ,  ,  , 
1School of Medical Imaging, Nanjing Medical University, 2Department of Radiology, Southeast University, 3Department of Radiology, Jinling Hospital, 4Stanford Center for Biomedical Informatics Research (BMIR), Department of Medicine

במאמר זה

סיכום

מודל רדיומיK המבוסס על CT טרום-ניתוחי, המשלב מאפיינים של הגידול ושל האזור שסביבו, חוזה ביעילות הישארות של ממיר מקומי לאחר ניתוח מתוך התקדמות של גרורות רחוקות לאחר כריתה מלאה של סרטן ריאות מסוג non-small cell בדרגות T3–4.

תקציר

הישנות מקומית לאחר ניתוח נותרת אתגר קליני מרכזי בחולים עם סרטן ריאה מסוג תאים לא קטנים (NSCLC) בשלבים T3 ו-T4. כדי להתגבר על המחסור באסטרטגיה סטנדרטית מבוססת דימות טרום-ניתוחית לאפיון הישנות מקומית, מוצגת מסגרת רדיומית מבוססת טומוגרפיה ממוחשבת (CT) ללכידת הטרוגניות תוך-גידולית וסביב-גידולית ולהבחנה בין הישנות מקומית למטסטASES רחוקים לאחר כריתה מסוג R0. הפרוטוקול המוצע משלב מאפיינים רדיומיים שהופקו מאזורי הגידול והאזורים שסביב הגידול מתמונות CT עם חומר ניגוד בשלב הטרום-ניתוחי. קבוצת היישום כללה 103 חולים עם NSCLC בשלבים T3–T4, N0–2, M0 שאובחנו פתולוגית ועברו ניתוח עם כריתה מסוג R0 בין ינואר 2013 לדצמבר 2020. 33 חולים פיתחו הישנות מקומית, ו-70 פיתחו גרורות רחוקות. כל שלבי העיבוד המקדים, בחירת המאפיינים, הנורמליזציה, כוונון ההיפר-פרמטרים, התאמת המודל וקביעת הסף הוגבלו לקבוצת האימון. מודלים רדיומיים של גידול בלבד, אזור סביב-גידולי ומודלים משולבים הוערכו בקבוצת תיקוף נפרדת. נאספו מאפיינים קליניים, מיקום הגידול, פרמטרים מעבדה טרום-ניתוחיים ומידע על הטיפול. ייצוגים רדיומיים ספציפיים לגידול ומשולבים של גידול וסביבתו נבנו והוערכו כדי לאפיין את התנהגות המסגרת המוצעת. בקבוצת התיקוף, הייצוג הרדיומי סביב-הגידולי הדגימה יכולת הבחנה משופרת בהשוואה למאפיינים של גידול בלבד, בעוד שהמסגרת המשולבת של גידול וסביבתו הראתה את הביצועים היציבים והעקביים ביותר (AUC = 0.80). פרוטוקול זה מהווה הדגמה ראשונית של זרימת עבודה רדיומית סטנדרטית ב-CT להבחנה בין דפוסי כישלון לאחר ניתוח בעקבות כריתה מסוג R0; נדרש תיקוף חיצוני רב-מרכזי לפני יישום קליני.

מבוא

כריתה כירורגית מלאה נותרת טיפול הסטנדרט עבור חולים עם סרטן ריאה מסוג תאים לא קטנים (NSCLC) הניתן לכריתה, כולל אלו עם NSCLC מתקדם מקומית (LA-NSCLC). למצב השוליים הפתולוגי יש השלכות פרוגנוסטיות וטיפוליות מיידיות: R0 מציין היעדר גידול שיורי, R1 מציין גידול שיורי מיקרוסקופי, ו-R2 מציין גידול שיורי מקרוסקופי. כריתה חלקית קשורה לתוצאות שליליות ועשויה להשפיע על הטיפול לאחר הניתוח1,2,3,4. לכן, אפיון מדויק של הסיכון להישנות מקומית הוא מרכיב קריטי בתכנון הטיפול ב-NSCLC מתקדם מקומית.

בפרקטיקה הקלינית הנוכחית, בדיקה פתולוגית נחשבת לשיטה הסטנדרטית להערכה (reference standard) לקביעת השוליים הפתולוגיים. עם זאת, קיימת הטיות דגימה עקב טבעם ההטרוגני של הגידולים. כתוצאה מכך, שיטה זו מוכרת רבות כבלתי מושלמת, שכן קיימים שיעורי שגאות במינוס (false-negative) נמוכים אך משמעותיים5. יתרה מכך, אין ערובה לכך שרקמת הריאה שסביב השוליים שהוסרו נקייה מתאים ממאירים, מכיוון שבדיקה היסטולוגית אינה יכולה לבחון את כל היבטי השוליים הכירורגיים של גידול שהוסר. מגבלות אלו מדגישות את הצורך באסטרטגיות משלימות ולא פולשניות, המסוגלות ללכוד דפוסים מקרוסקופיים ומרחביים של סיכון שיורי מעבר לדגימה מיקרוסקופית.

רדיאומיקה (Radiomics) מאפשרת מיצוי בתפוקה גבוהה של מאפיינים כמותיים מדימויים רפואיים שגרתיים ומספקת גישה שיטתית לאפיון ההטרוגניות של הגידול ברמת הנגע כולו וברמה הפרי-נגעית6. מחקרי רדיאומיקה קודמים בסרטן הריאה הדגימו את תועלתה בסטריפיקציה של תוצאות בהקשרי טיפול מרובים, כולל ניתוח בשלבים מוקדמים של NSCLC7, רדיותרפיה סטריאוטקטית8, טיפול נאו-אדג'ובנטי9, טיפול ב-EGFR-TKI10, ואימונותרפיה של PD-(L)111 וטיפולים סיסטמיים. רדיאומיקה פרי-טומורלית שימשה גם לכימות הממשק המיידי שבין הגידול לריאה, כולל ניתוחים המבוססים על הרחבות של 3, 6 ו-9 mm12. עם זאת, זרימות עבודה סטנדרטיות להשוואה בין הישנות מקומית לגרורות מרוחקות לאחר כריתה מסוג R0 נותרות מוגבלות.

פרוטוקול זה מיועד למערכי נתונים מחקריים הכוללים בדיקות CT של החזה בחתכים דקים עם חומר ניגוד לפני ניתוח ורישומי שוליים פתולוגיים מלאים. הוא מתאים כאשר מטרת המחקר היא להשוות בין הישארות מקומית לבין התקדמות גרורות מרוחקות לאחר כריתה מלאה (R0). לפיכך, הוצג זרימת עבודה סטנדרטית המשלבת רדיאומיקה תוך-גידולית ורדיאומיקה פרי-גידולית של 3-mm ב-NSCLC בשלבים T3–T4.

פרוטוקול

הפרוטוקול הרדיומי המבוסס על CT המוצע תוכנן כדי להבדיל לפני ניתוח בין הישנות מקומית לבין גרורות רחוקות בחולים עם NSCLC בשלבים T3-T4. זרימת העבודה כוללת בחירת מטופלים, רכישה ועיבוד מקדים של תמונות CT, סגמנטציה של אזור העניין (region-of-interest), מיצוי וצמצום של מאפיינים רדיומיים, בניית מודל והערכת ביצועים (איור 1A–C). ועדת האתיקה של בית החולים Jinling אישרה מחקר רטרוספקטיבי זה (מספר אישור 089-01-2023DZKY) וויתרה על הדרישה להסכמה מדעת בכתב. כל התוכנות והכלים ששימשו במחקר זה מפורטים ב- טבלת חומרים.

1. בחירת מטופלים ואיסוף נתונים קליניים

  1. זהה מטופלים עוקבים עם NSCLC בשלבים T3–T4 המאושרים פתולוגית.
    הערה: במחקר זה, המחברים בחרו מטופלים שעברו כריתה כירורגית בבית החולים Jinling בין ינואר 2013 לדצמבר 2020 (Supplementary Figure 1).
  2. כלול מטופלים העומדים בכל הקריטריונים הבאים: אישור פתולוגי של NSCLC; שלב גידול T3 או T4 לפי המהדורה השמינית של ה-American Joint Committee on Cancer (AJCC); זמינות של CT חזה עם חומר ניגוד טרום ניתוחי שבוצע עד שבועיים לפני הניתוח; נתוני מעקב פוסט-אופרטיביים מלאים עם תיעוד של מיקום ותזמון ההישנות.
  3. החרג מטופלים עם: כריתה מסוג R1 ו-R2; איכות תמונת CT לא מספקת עקב ארטיפקטים של תנועה או כיסוי חלקי; מידע חסר או חלקי על המעקב בנוגע לדפוסי הישנות.

2. הגדרת תוויות ונקודות סיום קליניות

  1. בצעו מעקב לאחר ניתוח באמצעות בדיקת סמני גידול בסרום ו-CT חזה בכל 3–6 חודשים במהלך השנתיים הראשונות, ומכך הלאה בכל 6 חודשים.
  2. הגדירו את נקודות הסוף הראשוניות כדפוס חזרה של המחלה. שני רדיולוגים של בית החזה בעלי הסמכה רשמית יסקרו באופן עצמאי את הדמיאות במעקב, תוך שהם מנועלים (blinded) לציונים הרדיומיים. מחלוקות ייפתרו באמצעות קונסנזוס.
  3. השתמשו באישור פתולוגי או בבדיקת positron emission tomography/computed tomography כאשר הדבר זמין.
  4. הבדילו בין כל מקרה של סרטן ריאה ראשוני שני באמצעות קריטריוני Martini–Melamed, והוציאו אותם מרשימת אירועי החזרה מקומית.
  5. שייכו את המטופלים לקבוצות באופן הבא:
    1. קבוצת חזרה מקומית: מטופלים עם כריתה מסוג R0 שפיתחו חזרה באתר מקומי שנקבע מראש במהלך המעקב.
      הערה: חזרה מקומית היא חזרה בבסיס הסינברון (bronchial stump) או בשולי הכריתה הפארנכימליים, בבלוטות לימפה הילריות או מדיסטינליות באותו צד (ipsilateral) הסמוכות לגידול המקורי או למצע הכריתה.
    2. ספרו חזרה מקומית ורחוקה סינכרונית בתוך קבוצת החזרה המקומית.
    3. קבוצת השוואה של גרורות רחוקות: מטופלים עם כריתה מסוג R0 שפיתחו גרורות רחוקות ללא חזרה מקומית.
  6. סווגו חזרה המוגבלת לאיברים רחוקים או לחזה הנגדי ללא מרכיב מקומי כגרורה רחוקה.

3. איסוף מאפיינים קליניים וסמנטיים

  1. שלפו משתנים קליניים ממערכת הרשומות הרפואיות האלקטרונית, כולל פרמטרים מעבדתיים טרום-ניתוחיים, ממצאים פתולוגיים ומידע על הטיפול.
  2. אספו את המשתנים הבאים עבור כל מטופל: גיל, מין, מצב עישון, סמני גידול בנסיוב, שלב פתולוגי, תת-סוג היסטולוגי והליכים כירורגיים.
  3. העריכו באופן עצמאי מאפיינים סמנטיים של הדימות המשקפים את מיקום הגידול ואת הפלישה למבנים אנטומיים סמוכים באמצעות תמונות CT טרום-ניתוחיות.
  4. הקצו שני רדיולוגים של חזה בעלי הסמכה רשמית (board-certified) לסקירה עצמאית של כל המקרים. פתרו אי-הסכמות בהערכת המאפיינים הסמנטיים באמצעות דיון להשגת קונצנזוס.

4. רכישת תמונות CT

  1. יש להשיג תמונות CT של החזה במישור הרוחבי, כולל שלבים ללא חומר ניגוד, שלב עורקי ושלב ורידי פורטלי, באמצעות סורקי CT רב-גלאים (multi-detector CT).
    הערה: בדיקות CT של החזה עם חומר ניגוד בוצעו באמצעות ארבעה סורקי CT רב-גלאים (multidetector CT) מבית Siemens Healthineers: SOMATOM Definition, SOMATOM Definition Flash, SOMATOM Emotion, ו-SOMATOM Perspective. בהתאם לסורק ולפרוטוקול המוסדי, תצורות הגלאים כללו 16 × 0.6 מ"מ, 64 × 0.6 מ"מ, או 2 × 64 × 0.6 מ"מ. התמונות נרכשו ב-120–130 kVp תוך שימוש בבקרת זרם שפופרת אוטומטית (בערך 62–663 mA), עם pitch של 0.5–0.8, זמן סיבוב של 0.5 שניות, שדה ראייה של כ-300–400 מ"מ ומטריצה של 512. × 512. עובי חתך הרכישה היה 1.0–1.5 מ"מ. תמונות ששימשו לניתוח רדיומי (radiomic analysis) שוחזרו בעובי חתך של 1.0–1.5 מ"מ ובמרווח של 1.0–1.5 מ"מ, תוך שימוש בגרעין (kernel) חלק-בינוני (B30f או B31f). חומר ניגוד יוד לא-יוני (300–370 מ"ג יוד למ"ל) ה diberikan בעירוי תוך-ורידי במינון של כ-1.0–1.5 מ"ל לק"ג, בקצב הזרקה של 2.5–3.5 מ"ל לשנייה, ולאחריו שטיפה של 30–40 מ"ל סלרין (מי מלח).
  2. הגדירו את פרמטרי הרכישה ופרמטרי השחזור. בצעו סריקה אוטומטית מסונכרנת (gated) בתחילת השלב העורקי.
  3. בחר את קשת האאורטה (aortic arch) כאזור העניין (region of interest) והגדר את סף ההפעלה (triggering threshold) ל-60 HU.
    השתמשו בשחזור פרוסות דקות עבור כל סדרות התמונות.
  4. יצאו תמונות CT משלב העורקים בפורמט DICOM (Digital Imaging and Communications in Medicine) לצורך עיבוד מקדים ואנליזה בהמשך. פרמטרי הרכישה המפורטים מסוכמים ב- טבלה נלווית 1.

5. עיבוד מקדים של תמונות ואנונימיזציה

  1. בצעו אנונימיזציה לכל תמונות ה-CT בהתאם להנחיות Safe Harbor של חוק ה-Health Insurance Portability and Accountability Act.
  2. העלו את תמונות ה-CT האנונימיות משלב העורקים (arterial-phase) לפלטפורמת המחקר הרב-מודאלית Deepwise, גרסה 3.1.3, המשלבת את Pyradiomics (גרסה 3.0.1) ו-Scikit-learn (גרסה 0.22)13,14.
  3. בפלטפורמת הרדיומיקה, בחרו ב-“Sample”, הגדירו את סדרת ה-DICOM כקלט, וטענו את מסכת הסגמנטציה (segmentation mask) התואמת.

6. סגמנטציה של הגידול והאזור הפרי-גידולי

  1. בצע סגמנטציה חצי-אוטומטית13 של גידולי ריאה ראשוניים בתמונות CT משלב העורקים.
    בצע סקירה ידנית והתאמה של הסגמנטציות על ידי רדיולוג בעל 9 שנות ניסיון בדימות חזה כדי להבטיח דיוק אנטומי.
  2. סקור את המסיכה במישורים אקסיאלי, קורונלי וסגיטלי. תקן ידנית את הגבול כך שיכלול את הגידול החיוני ויחריג אטלקטזיס סמוך, כלי דם, דרכי אוויר, תפליט פלאורלי ודופן בית החזה, אלא אם כן אלו פלשו ישירות על ידי הגידול. שמור את המסיכה הסופית באמצעות מזהה המחקר.
  3. צור באופן אוטומטי אזורים פרי-גידוליים (peritumoral) על ידי הרחבת גבול הגידול החוצה ב-1 mm, 3 mm ו-5 mm לכל הכיוונים, תוך החזרת מבנים שאינם ריאה במידת הצורך.
  4. לפני חילוץ המאפיינים, תמונות ה-CT דגמו מחדש למרווח ווקסלים איזוטרופי של 1 × 1 × 1 mm3. עוצמות התמונה עברו אינטרפולציה באמצעות אלגוריתם B-spline, בעוד שמסיכות הסגמנטציה דגמו מחדש באמצעות אינטרפולציית השכן הקרוב ביותר כדי לשמר את התוויות הבינאריות שלהן.

7. מיצוי מאפיינים רדיומיים

  1. חלץ מאפיינים רדיומיים מאזורי הגידול, כולל מאפייני צורה, עוצמה מסדר ראשון, מאפייני מרקם וכדומה, בהתאם להנחיות ה-Image Biomarker Standardization Initiative.
  2. חלץ את אותן קטגוריות של מאפיינים רדיומיים מהאזורים הפרי-גידוליים (peritumoral regions).

8. חלוקת מערך הנתונים והפחתת תכונות רדיומיות

  1. לפני ביצוע עיבוד מקדים, הפחתת תכונות או פיתוח מודל, חלק את מערך הנתונים המלא באופן אקראי לקבוצת אימון ולקבוצת תיקוף נפרדת ביחס של 7:3 באמצעות דגימה מרובדת לפי דפוס הישנות, תוך שימוש בגרעין אקראי (random seed) קבוע 1.
  2. נעל את קבוצת התיקוף ואל תשתמש בה לבחירת תכונות, כוונון היפר-פרמטרים או קביעת סף.
    ​הערה: ערכים חסרים וערכים אינסופיים נבדקו בתוך קבוצת האימון. לא זוהו ערכים חסרים או אינסופיים; לפיכך, לא בוצע השלמה (imputation). העरक את הדיוק של השחזור בסגמנטציה.
    1. בחר 20% מהקבוצה באמצעות דגימה אקראית מרובדת לפי דפוס הישנות, תוך שימוש בגרעין האקראי 1 של קבוצת האימון. ודא שתת-הקבוצה שנבחרה שומרת על התפלגות ההישנות המקומית/גרורות רחוקות.
    2. הנח את הקורא הראשון לחזור על הסגמנטציה לאחר מרווח של שבועיים, והנח קורא שני (רדיולוג עם 6 שנות ניסיון בדימות חזה) לבצע סגמנטציה של אותם מקרים באופן עצמאי.
    3. הסתר משני הקוראים את המידע הקליני, הממצאים הפתולוגיים, דפוס ההישנות ותוצרי המודל.
    4. חשב מקדמי מתאם תוך-מעמדיים (ICCs) למדידה בודדת עם הסכמה מוחלטת, בין-קוראיים ותוך-קוראיים. השאר תכונות רק כאשר ה-ICCs בין-קוראיים ותוך-קוראיים הם לפחות > 0.8.
  3. בצע ניתוח מתאם זוגי והסר תכונה אחת מכל זוג בעל מתאם גבוה כאשר מקדם המתאם עולה על 0.90.
  4. החל מודלים ליניאריים עם רגולריזציית L1 כדי לבחור תכונות אינפורמטיביות, כאשר פרמטר הרגולריזציה שולט בדלילות (sparsity) של התכונות.

9. בניית המודל והערכתו

  1. באמצעות מערכי המאפיינים הסופיים, בנה את מודלי ה-Linear SVC עבור הרקמה התוצואומורלית (intratumoral), הרקמה הפרי-תוצואומורלית (peritumoral) בטווח של 3-mm והמודל המשולב בתוך קוהורט האימון.
  2. בצע כוונון של ההיפר-פרמטרים של המודל באמצעות וולידציה צולבת (cross-validation) מסוג 10-fold מרובד המוגבלת לקוהורט האימון.
    הערה: מודלי ה-Linear SVC יושמו באמצעות scikit-learn גרסה 0.22 עם עונש L1, squared-hinge loss, הפרמטר dual = False, סבילות התכנסות של 1 × 10⁻4, מקסימום של 1,000 איטרציות, והפעלת התאמת חיתוך (intercept fitting). פרמטר הרגולריזציה C עובד לאופטימיזציה בקוהורט האימון באמצעות וולידציה צולבת 10-fold מרובדת עם random seed של 1. לאחר בחירת ההיפר-פרמטרים, כל מודל הותאם מחדש באמצעות קוהורט האימון המלא והוחל ישירות על קוהורט הוולידציה שנשמר בנפרד. לא נעשה שימוש בדגימה מחדש (resampling) או בהתאמת משקלי מחלקות.
  3. החל את כל מודל נעול ישירות על קוהורט הוולידציה שנשמר בנפרד, ללא התאמה מחדש, בחירה מחדש של מאפיינים, כיול מחדש או אופטימיזציה של סף.
  4. הערך את ביצועי המודל באמצעות השטח תחת עקומת האפיון של מקלט (AUC), רגישות (sensitivity), סגוליות (specificity) ודיוק (accuracy).

10. ניתוח סטטיסטי

  1. השווה בין משתנים רציפים באמצעות מבחנים פרמטריים או לא-פרמטריים מתאימים, בהתאם להתפלגות הנתונים.
  2. השוו משתנים קטגוריאליים באמצעות מבחן חי-ריבוע (chi-square) או מבחן פישר המדויק (Fisher’s exact test).
  3. קבעו את סף הסיווג על ידי מקסום מדד Youden בקבוצת האימון בלבד, והשלימו את יישום הסף הנעול ללא שינוי על קבוצת תיקוף נפרדת (held-out validation cohort). חשבו רווחי סמך בשיטת bootstrap.
  4. בצעו את כל הניתוחים הסטטיסטיים באמצעות SPSS (גרסה 25), עם בדיקה דו-זנבית p ערכים < 0.05 נחשב למשמעותי מבחינה סטטיסטית.

תוצאות

מאפייני קוהורט הבקשה
מבין המטופלים שהיו כשירים בתחילה, 12 מטופלים עם כריתה מסוג R1 הודרו, ולא זוהו כריתות מסוג R2. כתוצאה מכך, הקוהורט הסופי כלל 103 מטופלים שעברו כריתה מסוג R0. הפרוטוקול הרדיומי המוצע הוחל על קוהורט של 103 מטופלים עם NSCLC בשלבים T3–T4 שטופלו בניתוח (60.6 ± 8.6 שנים; 82.5% גברים), כולל 33 עם הישנות מקומית לאחר ניתוח ו-70 עם גרורות רחוקות. מבין 33 המטופלים עם הישנות מקומית, ל-17 (51.5%) היה אישור פתולוגי, בעוד ש-16 הנותרים (48.5%) אובחנו על בסיס ממצאי CT במעקב סדרתי והסכמה קלינית. אף הישנות מקומית לא אושרה באמצעות PET/CT בלבד. לשישים ואחד מטופלים (59.2%) הייתה מחלה בשלב T3 פתולוגי, ול-42 (40.8%) הייתה מחלה בשלב T4. אף אחד מהמשתנים הקליניים או הפתולוגיים ב- טבלה 1 הבדלו באופן מובהק בין קבוצת ההישנות המקומית לקבוצת הגריעות הרחוקה (כל p ≥ 0.064).

הערכה של דימוי סמנטי ומשתנים הקשורים לטיפול
אונה של הגידול, מיקום מרכזי לעומת היקפי, מעורבות של הסיבון הראשי ומעורבות של כלי דם גדולים לא נבדלו באופן מובהק בין קבוצת ההישנות המקומית לקבוצת הגרורות הרחוקות (כולם p ≥ 0.272; טבלה 2). התפלגות הטיפול הנאו-אדג'ובנטי (Neoadjuvant), האימונותרפיה והרדיותרפיה הייתה דומה בין שתי קבוצות דפוסי ההתקדמות של R0 (כולם p ≥ 0.742; טבלה 3). טיפול ממוקד היה שכיח פחות בקבוצת ההישנות המקומית מאשר בקבוצת הגרורות הרחוקות (2/33 [6.1%] לעומת 15/70 [21.4%]; p גולמי = 0.0499). מכיוון שטיפול לאחר ניתוח עשוי להשפיע על דפוס ההישנות, יש להתייחס לחוסר איזון זה כגורם מתערב פוטנציאלי ולא כראיה לאפקט סיבתי.

דפוסי מעקב והתפלגות נקודות סיום
מתוך 103 המטופלים עם שוליים נגטיביים לאחר כריתה, ל-33 הייתה הישנות מקומית (הישרדות חציית התקדמות (PFS) ממוצעת של 16.36 ± 14.741 חודשים), ול-70 הייתה גרורה רחוקה (PFS ממוצע של 11.39 ± 11.388 חודשים). לא היה הבדל סטטיסטי בין קבוצת ההישנות המקומית לקבוצת הגרורות הרחוקות (p = 0.131). למרות שלא נצפה הבדל משמעותי בהישרדות חציית התקדמות בין שני דפוסי ההישנות, מטרת השימוש בגישה הנוכחית היא לבחון האם דימות טרום-ניתוחי יכול להבחין בדפוס האנטומי של התקדמות המחלה הראשונה לאחר כריתה R0. סיווג סיכונים טרום-ניתוחי כזה עשוי להקל על יישום הטיפול המקומי המתאים בחולים בעלי סיכון גבוה להישנות מקומית ופוטנציאלית לשפר את תוצאותיהם; עם זאת, תועלת קלינית זו דורשת תיקוף נוסף במחקרים פרוספקטיביים.

התנהגות מאפייני רדיאומיקה של הגידול והאזור שסביבו
השחזוריות הוערכה בתת-קבוצה של 25 חולים. לאחר סינון מבוסס ICC, נשמרו לניתוח המשך 1,820 מתוך 2,207 מאפייני רדיאומיקה תוך-גידוליים, ו-1,856 מתוך 2,211 מאפייני רדיאומיקה פרי-גידוליים בטווח של 3-mm. סינון שונות הסיר 124 מאפיינים תוך-גידוליים ו-120 מאפיינים פרי-גידוליים של 3-mm. לאחר מכן, סינון מתאם זוגי עם סף של 0.90 הסיר 1,357 מהמאפיינים התוך-גידוליים שנותרו ו-1,395 מהמאפיינים הפרי-גידוליים שנותרו, מה שהותיר 339 ו-341 מאפיינים, בהתאמה, לבחירת מאפיינים באמצעות רגולריזציית L1. הליך L1 בחר בסופו של דבר 9 מאפיינים תוך-גידוליים ו-12 מאפיינים פרי-גידוליים לבניית המודל. מאפייני רדיאומיקה שהופקו מהגידול, מהאזור הפרי-גידולי ומאזורים משולבים הראו התנהגויות ניבוי מובחנות. בקוהורט האימות, המודלים של הגידול, ה-3-mm הפרי-גידולי והמודל המשולב השיגו AUC של 0.71 (95% CI, 0.61–0.81), 0.75 (95% CI, 0.65–0.85) ו-0.80 (95% CI, 0.71–0.89), בהתאמה (טבלה 4 ו-איור 2A). בניתוח רגישות למרחק פרי-גידולי, המודלים של 1-, 3- ו-5-mm השיגו AUC גלוי של 0.62, 0.75 ו-0.59, בהתאמה. בהשוואה למודל של 3-mm, ההבדל ב-AUC לא היה מובהק סטטיסטית עבור 1 mm (ΔAUC = −0.13, p = 0.078) אך היה מובהק עבור 5 mm (ΔAUC = −0.16, p = 0.040) (טבלה משלימה 1).

לאחר הדרת 17 מטופלים שקיבלו טיפול ממוקד לפני התקדמות המחלה הראשונה, נותרו 86 מטופלים, כולל 31 עם הישנות מקומית ו-55 עם התקדמות גרורתית בלבד. מודל היתוך (fusion model) השיג AUC של 0.80 (95% CI, 0.70–0.89), נתון שתאם את התוצאה בניתוח הראשוני (AUC, 0.80; ΔAUC, −0.001; 95% CI, −0.034 to 0.033; p = 0.948). ממצאים אלו העלו כי ביצועי מודל היתוך לא הושפעו באופן מהותי מטיפול ממוקד שניתן לפני התקדמות המחלה.

הערכה השוואתית ותועלת קלינית של הפרוטוקול
מבחני DeLong בזוגות לא זיהו הבדלים מובהקים סטטיסטית בין מודל הגידול למודל הפרי-טומורלי של 3-mm (p = 0.533), בין מודל הגידול למודלים המשולבים (p = 0.168), או בין המודל הפרי-טומורלי של 3-mm למודלים המשולבים (p = 0.439). בניתוח עקומות החלטה, מודל הגידול, המודל הפרי-טומורלי של 3-mm והמודלים המשולבים הניבו תועלת נטו גדולה יותר מאשר אסטרטגיות הייחוס של "טיפול בכל" (treat-all) ו"אי-טיפול באף אחד" (treat-none) בטווחי הסתברויות סף של 0.19–0.51, 0.18–0.56, ו-0.17–0.59, בהתאמה (איור 2B). בסף הסתברות חוזה של 0.20, המודל המשולב השיג רגישות של 66.7% וסגוליות של 77.1%. טווחים אלו מתארים תועלת נראית לקראת קוהורט ההתקדמות שנבחר ואינם מהווים ספי טיפול מאושרים. כפי שמוצג ב איור 3A–D, שני הנגעים המוצקים ב-A וב-B סווגו נכון על ידי המודל, בעוד שהנגעים ב-C וב-D סווגו באופן שגוי. שני הנגעים שסווגו שגוי הכילו אזורים של נמק תוך-גידולי, אשר ייתכן ושינו את התפלגות הנחיתות (attenuation) ואת ההטרוגניות של המרקם שנלכדו על ידי המאפיינים הרדיומיים, ובכך תרמו לתחזיות הלא-עקביות.

figure-results-1
איור 1: תהליך העבודה של סגמנטציה של הגידול, בחירת מאפייני רדיאומיקה ופיתוח מודלים. (A) הגידול הראשוני סומנט באופן חצי-אוטומטי. אזור העניין התוך-גידולי הוגדר כרקמת הגידול, והאזור הפרי-גידולי נוצר על ידי הרחבת גבול הגידול החוצה ב-3 mm תוך החרגת הגידול עצמו. (B) מאפייני רדיאומיקה תוך-גידוליים ופרי-גידוליים הופקו, נבחנו לשחזוריות תוך-קורא ובין-קוראים, וצומצמו באמצעות ניתוח קורלציה ובחירת מאפיינים מבוססת L1-regularization. (C) מטופלים מתאימים חולקו באופן אקראי לקבוצת אימון (70%) ולקבוצת תיקוף פנימית (30%). מודלים רדיאומיים נפרדים לגידול ולאזור הפרי-גידולי נבנו ושולבו למודל משולב. קיצורים: CT = computed tomography; L1 = least absolute shrinkage and selection operator-based regularization. איור 1 נוצר על ידי המחברים באמצעות Microsoft PowerPoint, ולא נדרשו אישורי זכויות יוצרים. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

figure-results-2
איור 2: עקומות מאפייני תגובה (ROC) וניתוח עקומות החלטה של המודלים הרדיומיים. (A) עקומות מאפייני תגובה של מודל הגידול, מודל ה-3–mm הפרי-טומורלי ומודלים משולבים להבחנה בין הישנות מקומית למטסטזות רחוקות בקוהורט התיקוף. ערכי ה-AUC המתאימים היו 0.71 (95% CI, 0.61–0.81), 0.75 (95% CI, 0.65–0.85), ו-0.80 (95% CI, 0.71–0.89); ערכי ה-95% CIs נאמדו באמצעות 1,000 דגימות bootstrap. (B) ניתוח עקומות החלטה של שלושת המודלים על פני הסתברויות סף של 0.01–0.80. אסטרטגיות של "טפל בכולם" (treat-all) ו"אל תטפל באף אחד" (treat-none) מוצגות לצורך התייחסות. קיצורים: AUC = השטח תחת עקומת מאפייני התגובה; CI = רווח בר סמך; DCA = ניתוח עקומות החלטה; ROC = מאפייני תגובה. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

figure-results-3
איור 3: דמות מייצגת של מקרים שסווגו נכונה ושגויים מהמודל הרדיאומי המשולב. (Aסיווג נכון של הישנות מקומית בגבר בן 50 עם קרצינומה של תאי קשקש בריאה שמאלית, שפיתח הישנות מקומית לאחר 4 חודשים.Bסיווג נכון של התקדמות גרורתית בלבד באישה בת 44 עם אדנוקרצינומה באונה השמאלית התחתונה, אשר פיתחה גרורות בעצמות לאחר 31 חודשים ללא הישנות מקומית.C) דוגמה לשלילה שגויה (false-negative) שבה הישנות מקומית סווגה כהתקדמות רחוקה בלבד. (ד') דוגמה לחיובי שגוי שבה התקדמות למקומות מרוחקים בלבד סווגה כהישנות מקומית. אנא לחצו כאן כדי להציג גרסה מורחבת של איור זה.

טבלה 1: מאפיינים קליניים ופתולוגיים של מטופלים עם הישנות מקומית וגרורות מרוחקות. הניתוח כלל 103 מטופלים: 33 עם הישנות מקומית ו-70 עם גרורות רחוקות. הנתונים מוצגים כממוצע ± סטיית תקן או n (אחוזים בעמודה). הגיל הושווה באמצעות מבחן t של Student למדגמים בלתי תלויים. משתנים קטגוריאליים הושוו באמצעות מבחן חי-ריבוע של פירסון או מבחן דיוק של פישר כאשר מספר התאים הצפוי היה <5. גולמי p < 0.05. קיצורים: ADC = אדנוקרצינומה; SCC = קרצינומה של תאי קשקש; SD = סטיית תקן; TNM = גידול-קשרי לימפה-גרורות. אנא לחצו כאן כדי להוריד טבלה זו.

טבלה 2: מאפייני מיקום ומעורבות של חולים עם הישנות מקומית וגרורות רחוקות. הניתוח כלל 103 חולים: 33 עם הישנות מקומית ו-70 עם גרורות רחוקות. הנתונים מוצגים כ-n (אחוז עמודה). משתנים קטגוריאליים הושוו באמצעות מבחן חי-ריבוע של פירסון או מבחן פישר המדויק כאשר מספר תאים צפוי היה <5. לא היו נתונים חסרים. *ערך p גולמי < 0.05. קיצורים: CT = טומוגרפיה ממוחשבת. אנא לחצו כאן להורדת טבלה זו.

טבלה 3: אסטרטגיות טיפול פרי-אופרטיביות ופוסט-אופרטיביות בקרב מטופלים עם הישנות מקומית וגרורות רחוקות. הניתוח כלל 103 מטופלים: 33 עם הישנות מקומית ו-70 עם גרורות רחוקות. הנתונים מוצגים כ-n (אחוזים בעמודה). משתנים קטגוריאליים הושוו באמצעות מבחן חי-ריבוע של פירסון או מבחן בדיוק של פישר כאשר מספר התאים הצפוי היה <5. לא היו נתונים חסרים. *ערך p גולמי < 0.05. אנא לחצו כאן כדי להוריד טבלה זו.

טבלה 4: ביצועי המודלים הרדיומיים, הפרי-גידוליים והמשולבים להבחנה בין הישנות מקומית למטסטזיס רחוק. הניתוח כלל 103 מטופלים: 33 עם הישנות מקומית ו-70 עם מטסטזיס רחוק. רווחי הסמך של 95% (CIs) נאמדו באמצעות 1,000 דגימות bootstrap חוזרות. קיצורים: AUC = שטח תחת עקומת מאפייני תפעול המקלט; CI = רווח סמך. אנא לחץ כאן להורדת טבלה זו.

איור משלים 1: תרשים זרימה של בחירת המטופלים. בוצעו סריקות של מטופלים שעברו לפחות בדיקת CT אחת של החזה בין השנים 2013 ל-2020 ושדוחות הפתולוגיה שלהם הכילו את המונחים "lung" ו-"cancer". לאחר החרגות שהתבססו על דוחות פתולוגיה ורישומי מערכת המידע של בית החולים, נותרו 238 מטופלים. 45 מטופלים נוספים הוחרגו עקב היעדר תמונות CT לפני הטיפול (n = 39), קרצינומה דלקתית (n = 4), או ארטיפקטים ב-CT שהשפיעו על ניתוח התמונות (n = 2). לבסוף, הוחרגו מטופלים עם כריתה מסוג R1 (n = 12), אובדן למעקב (n = 43), או חוסר התקדמות של המחלה עד סוף המעקב (n = 35), מה שהביא ל-103 מטופלים עבור קבוצות האימון והתיקוף. CT, טומוגרפיה ממוחשבת; HIS, מערכת מידע של בית חולים; R1, כריתה עם שוליים חיוביים מבחינה מיקרוסקופית. אנא לחצו כאן להורדת קובץ זה.

טבלה משלימה 1: ניתוח רגישות של ביצועי המודל במרחקי התרחבות פרי-גידוליים שונים. יכולת ההבחנה של המודל הוערכה בקוהורט התיקוף באמצעות אזורים פרי-גידוליים של 1, 3 ו-5 mm. המודל הפרי-גידולי של 3 mm שימש כנקודת ייחוס. ΔAUC מייצג את ההפרש ב-AUC ביחס למודל ה-3 mm, וערכי p חושבו באמצעות מבחן DeLong דו-צדדי. AUC, השטח תחת עקומת מאפייני תפקודי המקלט; CI, רווח סמך. אנא לחצו כאן כדי להוריד קובץ זה.

דיון

עבודה זו מציגה פרוטוקול רדיומיKי מבוסס CT להבחנה טרום-ניתוחית בין הישחה מקומית לבין גרורות רחוקות לאחר כריתה מסוג R0 בחולים עם NSCLC בשלבים T3–T4. במקום להתמקד אך ורק בחיזוי תוצאות, המסגרת המוצעת מתרגמת את הסיכון להישחה מקומית באמצעות שילוב של ייצוגים רדיומיים תוך-גידוליים וסביב-גידוליים הנגזרים מדימויי CT שגרתיים עם חומר ניגוד. הפרוטוקול הפגין ביצועים יציבים בקוהורט כירורגי מייצג, כאשר המודל המשולב של הגידול והסביבה התו-גידולית השיג את ה-AUC הגבוה ביותר. מספר גישות טרום-ניתוחיות נבחנו להערכת הסיכון להישחה לאחר ניתוח ב-NSCLC, כולל מודלים קליניו-רדיולוגיים, פרמטרים מטבוליים הנגזרים מ-18F-FDG PET/CT, רדיומיקה של CT המבוססת על מאפיינים ידניים (handcrafted) ולמידה עמוקה. נפח גידול מטבולי וגליקוליזה כוללת של נגעים הנגזרים מ-PET/CT מספקים מידע פרוגנוסטי לאחר כריתה כירורגית, אך הם דורשים בדיקת דימוי מולקולרי נוספת ומושפעים מפרוטוקולי רכישה ושחזור15. מודלים רדיומיים ומודלים של למידה עמוקה מבוססי CT יכולים להעריך את הסיכון להישחה או את ההישרדות ללא מחלה באופן לא פולשני16, ומחקרים קודמים הדגימו את הערך של שילוב מידע סביב-גידולי או שילוב של דימות עם משתנים קליניים17,18. עם זאת, גישות קודמות אלו התמקדו בעיקר בשאלה האם התרחשה הישחה ומתי, ובמיוחד באדנוקרצינומה של הריאה בשלבים מוקדמים, ולא בדפוס האנטומי של התקדמות המחלה הראשונה. היתרון הפוטנציאלי של המסגרת הנוכחית הוא שהיא משתמשת ב-CT שגרתי עם חומר ניגוד שנרכש טרם הניתוח, ומשלבת מידע תוך-גידולי ומידע סביב-גידולי סמוך באופן מיידי, כדי להבחין בין הישחה מקומית לבין התקדמות של גרורות רחוקות לאחר כריתה מסוג R0 בחולים עם T3–T4 NSCLC.

מנקודת מבט מתודולוגית, המוטיבציה הקלינית לפרוטוקול זה נובעת מהמגבלות המובנות של הערכת השוליים הפתולוגיים. למרות שההיסטופתולוגיה נותרה בתקן הייחוס, היא מוגבלת מטבעה על ידי הטיות דגימה וכיסוי מרחבי חלקי של השוליים הכירורגיים. מחקרים מצאו כי עבור NSCLC בשלב IA, שיעור ההישחעות המקומית לאחר wedge resection גבוה משמעותית מאשר לאחר lobectomy19. הדבר מיוחס בעיקר לאבחנה שהוחמצה של תאי גידול שאריים בשוליים הכירורגיים ולשיעור ההישחעות המקומי הגבוה הנגרם כתוצאה מכריתה חלקית. בנוסף, ניתן להבחין בתאי גידול בשוליים הכירורגיים באמצעות סקירה של חתכים פתולוגיים של חולים עם NSCLC עם הישחעות מקומית20. סדרות כירורגיות קודמות הראו כי כריתה חלקית ומחלה שאריתית נסתרת מגבירות באופן משמעותי את הסיכון להישחעות מקומית ומשפיעות לרעה על ההישרדות לטווח ארוך, בעוד שדימות יכול לבחון מאפיינים מאקרוסקופיים ומרחביים של הגידול לפני הניתוח. לפיכך, יש לראות בפרוטוקול הנוכחי מתודולוגיית מחקר משלימה לאפיוני דפוסי הישחעות, ולא כתחליף לבדיקת שוליים פתולוגית. הבחנה זו מונעת סימון רטרוספקטיבי של הישחעות מקומית מסוג R0 כראיה לשוליים כירורגיים חיוביים או בעלי סיכון גבוה מטבעם.

אלמנט תכנוני מרכזי של המסגרת המוצעת הוא השילוב המפורש של מאפיינים רדיומיים פרי-גידוליים (peritumoral). הטבעת שנקבעה מראש ברוחב 3 mm דוגמת את הממשק המיידי שבין הגידול לריאה, שבו דפוסי דימות עשויים לשקף פלישה, תגובה דסמופלסטית, בצקת, שינוי וסקולרי או אינטראקציות בין הגידול למארח. בניתוח הרגישות, ערכי ה-AUC הגלויים עבור המודלים של 1 mm, 3 mm ו-5 mm היו 0.62, 0.75 ו-0.59, בהתאמה. המודל של 1 mm היה נמוך יותר מבחינה מספרית מהמודל של 3 mm, ללא הבדל מובהק סטטיסטית ביניהם, בעוד שהמודל של 5 mm הניב ביצועים פחותים באופן מובהק. ממצאים אלו תומכים בהגדרה שנקבעה מראש של 3 mm בקוהורט זה, אך אינם קובעים כי 3 mm הוא המרחק האופטימלי באופן אוניברסלי. טבעות רחבות יותר עלולות לכלול רקמת פרינכימה שאינה של הריאה או מבנים אנטומיים סמוכים בגידולי T3–T4.

טיפול לאחר ניתוח עשוי לשנות את המיקום והעיתוי של החזרה של המחלה, ולכן הוא נותר מקור פוטנציאלי למשתנים מתערבים. טיפול ממוקד היה שכיח פחות בקבוצת ההישנות המקומית מאשר בקבוצת הגריעות הרחוקה (6.1% לעומת 21.4%; p גולמי = 0.0499), בעוד שהפצאות הטיפולים האחרים לא נבדלו באופן מובהק. בניתוח רגישות שהוציא 17 מטופלים שקיבלו טיפול ממוקד לפני התקדמות המחלה, מודל היתוך (fusion model) שמר על AUC של 0.80 (95% CI, 0.70–0.89), נתון שכמעט וזהה לזה של הניתוח הראשוני (ΔAUC = −0.001; 95% CI, −0.034 עד 0.033; p = 0.948). ממצאים אלו מצביעים על כך שביצועי ההבחנה של מודל היתוך לא הונעו באופן מהותי מטיפול ממוקד שניתן לפני התקדמות המחלה.

יציבות ותשחזוריות של מאפיינים הם שיקולים קריטיים במתודולוגיה רדיומית. בפרוטוקול זה, חילוץ המאפיינים בוצע בהתאם להנחיות של ה-Image Biomarker Standardization Initiative21. החוזק (Robustness) הוערך באופן שיטתי באמצעות בדיקות תשחזוריות בין-קוראים ותוך-קוראים. המאפיינים המשפיעים ביותר במודל המשולב נגזרים בעיקר מהאזור הפרי-גידולי, מה שמחזק את החשיבות המתודולוגית של תיחום פרי-גידולי סטנדרטי. שלבים אלו משפרים יחד את האמינות והיכולת להעביר את הפרוטוקול המוצע (transferability).

יש להכיר במספר מגבלות של הפרוטוקול. ראשית, המסגרת פותחה ותוקפה באמצעות נתונים ממוסד רפואי יחיד, ובחירת המטופלים עשויה לשקף פרקטיקות כירורגיות מוסדיות. שנית, מרווחי המעקב לא היו אחידים, ואיבוד מטופלים במעקב עשוי היה להשפיע על אפיון החשש להישנות. שלישית, בעוד שהפרוטוקול מזהה מאפיינים רדיומיים הקשורים לסיכון להישנות הקשורה לשוליים, הוא אינו שופך אור באופן ישיר על המנגנונים הפתולוגיים שבבסיסם. עבודה עתידית צריכה להתמקד בתיקוף רב-מרכזי, הרמוניזציה בין פלטפורמות דימות, ושילוב עם קורלציות פתולוגיות ומולקולריות כדי לדייק עוד יותר את הפרשנות הביולוגית של המאפיינים הרדיומיים. לסיכום, מחקר זה מציג פרוטוקול רדיומי סטנדרטי מבוסס CT לאפיון טרום-ניתוחי של דפוסי הישנות ב-NSCLC בשלבים T3-T4. באמצעות שילוב מפורש של מידע רדיומי פרי-טומורלי (סביב הגידול), המסגרת נועדה לשמש כפרוטוקול מחקר הניתן לשחזור; תיקוף חיצוני רב-מרכזי והערכה בקוהורט פוסט-אופרטיבי לא נבחר נדרשים לפני יישום קליני או קבלת החלטות טיפוליות.

גילויים

למחברים אין ניגוד עניינים. לא נעשה שימוש בכלי בינה מלאכותית גנרטיבית ליצירה או לשינוי של איורים בכתב יד זה.

תודות

אנו מודים ל-LetPub (www.letpub.com.cn) על הסיוע הלשוני במהלך הכנת כתב יד זה. עבודה זו נתמכה על ידי Science and Technology Innovation 2030-Major Projects (2020AAA0109500).

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
פלטפורמת מחקר רב-מודאלית של DeepwiseDeepwiseגרסה 3.1.3משמש לסגמנטציה, לחילוץ מאפיינים רדיומיים (radiomic features) ולבניית מודל
PythonPython Software Foundationhttps://www.python.orgגרסה 3.9.13
RR Foundationhttps://www.r-project.orgגרסה 4.3.2
הגדרה של Somatomסימנסמכיוון שלא סופק טקסט מקור לתרגום, אנא ספק את התוכן המדעי באנגלית שברצונך לתרגם לעברית, ואבצע את התרגום בהתאם להנחיות המקצועיות שצוינו.משמש לרכישת תמונות CT
Somatom Definition Flashסימנסמכיוון שלא סופק טקסט מקור לתרגום, אין תוכן להמרה לעברית. נא לספק את הטקסט המיועד לתרגום.משמש לרכישת תמונות CT
Somatom Emotionסימנסנא לספק את טקסט המקור באנגלית לתרגום.משמש לרכישת תמונות CT
Somatom Perspectiveסימנסלא סופק טקסט למסמך זה. אנא ספק את הטקסט באנגלית לתרגום.משמש לרכישת תמונות CT

מקורות

  1. Ohguri T, Yahara K, Moon SD, Yamaguchi S, Imada H, et al. Postoperative radiotherapy for incompletely resected non-small cell lung cancer: clinical outcomes and prognostic value of the histological subtype. J Radiat Res. 2012;53(2):319-325.
  2. Hancock JG, Rosen JE, Antonicelli A, Moreno A, Kim AW, et al. Impact of adjuvant treatment for microscopic residual disease after non-small cell lung cancer surgery. Ann Thorac Surg. 2015;99(2):406-413.
  3. Sawabata N, Maeda H, Matsumura A, Ohta M, Okumura M; Thoracic Surgery Study Group of Osaka University. Clinical implications of the margin cytology findings and margin/tumor size ratio in patients who underwent pulmonary excision for peripheral non-small cell lung cancer. Surg Today. 2012;42(3):238-244.
  4. Wang EH, Corso CD, Rutter CE, Park HS, Chen AB, et al. Postoperative radiation therapy is associated with improved overall survival in incompletely resected stage II and III non-small-cell lung cancer. J Clin Oncol. 2015;33(25):2727-2734.
  5. Sawabata N, Funaki S, Nakagiri T, Shintani Y, Inoue M, et al. Clinical implications of the margin cytology findings and margin/tumor size ratio in patients who underwent pulmonary wedge resection for peripheral non-small cell lung cancer. J Thorac Oncol. 2012;7(11):S473.
  6. Gillies RJ, Kinahan PE, Hricak H. Radiomics: images are more than pictures, they are data. Radiology. 2016;278(2):563-577.
  7. Huang Y, Liu Z, He L, Chen X, Pan D, et al. Radiomics signature: a potential biomarker for the prediction of disease-free survival in early-stage (I or II) non-small cell lung cancer. Radiology. 2016;281(3):947-957.
  8. Yang H, Wang L, Shao G, Dong B, Wang F, et al. A combined predictive model based on radiomics features and clinical factors for disease progression in early-stage non-small cell lung cancer treated with stereotactic ablative radiotherapy. Front Oncol. 2022;12:967360.
  9. She Y, He B, Wang F, Zhong Y, Wang T, et al. Deep learning for predicting major pathological response to neoadjuvant chemoimmunotherapy in non-small cell lung cancer: a multicentre study. EBioMedicine. 2022;86:104364.
  10. Wang S, Yu H, Gan Y, Wu Z, Li E, et al. Mining whole-lung information by artificial intelligence for predicting EGFR genotype and targeted therapy response in lung cancer: a multicohort study. Lancet Digit Health. 2022;4(5):e309-e319.
  11. Sun R, Limkin EJ, Vakalopoulou M, Dercle L, Champiat S, et al. A radiomics approach to assess tumour-infiltrating CD8 cells and response to anti-PD-1 or anti-PD-L1 immunotherapy: an imaging biomarker, retrospective multicohort study. Lancet Oncol. 2018;19(9):1180-1191.
  12. Chen Q, Shao J, Xue T, Peng H, Li M, et al. Intratumoral and peritumoral radiomics nomograms for the preoperative prediction of lymphovascular invasion and overall survival in non-small cell lung cancer. Eur Radiol. 2023;33(2):947-958.
  13. Qi LL, Wang JW, Yang L, Huang Y, Zhao SJ, et al. Natural history of pathologically confirmed pulmonary subsolid nodules with deep learning-assisted nodule segmentation. Eur Radiol. 2021;31(6):3884-3897.
  14. Qi LL, Wu BT, Tang W, Zhou LN, Huang Y, et al. Long-term follow-up of persistent pulmonary pure ground-glass nodules with deep learning-assisted nodule segmentation. Eur Radiol. 2020;30(2):744-755.
  15. Kim K, Kim SJ, Kim IJ, Kim YS, Pak K, et al. Prognostic value of volumetric parameters measured by F-18 FDG PET/CT in surgically resected non-small-cell lung cancer. Nucl Med Commun. 2012;33(6):613-620.
  16. Kim H, Goo JM, Lee KH, Kim YT, Park CM. Preoperative CT-based deep learning model for predicting disease-free survival in patients with lung adenocarcinomas. Radiology. 2020;296(1):216-224.
  17. Christie JR, Daher O, Abdelrazek M, Romine PE, Malthaner RA, et al. Predicting recurrence risks in lung cancer patients using multimodal radiomics and random survival forests. J Med Imaging (Bellingham). 2022;9(6):066001.
  18. Lan H, Wei C, Xu F, Yang E, Lu D, et al. 2.5D peritumoural radiomics predicts postoperative recurrence in stage I lung adenocarcinoma. Front Oncol. 2024;14:1382815.
  19. Koike T, Koike T, Yoshiya K, Tsuchida M, Toyabe S. Risk factor analysis of locoregional recurrence after sublobar resection in patients with clinical stage IA non-small cell lung cancer. J Thorac Cardiovasc Surg. 2013;146(2):372-378.
  20. Sawabata N, Matsumura A, Ohota M, Maeda H, Hirano H, et al. Cytologically malignant margins of wedge resected stage I non-small cell lung cancer. Ann Thorac Surg. 2002;74(6):1953-1957.
  21. Zwanenburg A, Vallières M, Abdalah MA, Aerts HJWL, Andrearczyk V, et al. The Image Biomarker Standardization Initiative: standardized quantitative radiomics for high-throughput image-based phenotyping. Radiology. 2020;295(2):328-338.

הדפסות חוזרות והרשאות

תגיות

רדיומיקה של CTסיווג הישנותהטרוגניות של גידולרדיומיקה פרי-גידוליתכריתה מסוג R0מיצוי מאפיינים רדיומייםהישנות מקומיתגרורות מרוחקות
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.