肺癌是全球癌症相关死亡的主要原因，肺腺癌占比超过40%，是最常见的组织学亚型。骨转移是肺腺癌患者常见且严重的并发症，约有20-50%的肺腺癌患者在疾病进程中会出现骨转移。骨转移不仅显著缩短患者的生存期，中位生存时间仅为6-10个月，还严重影响患者的生活质量。约46%的骨转移患者会经历骨相关事件，如骨痛、病理性骨折、脊髓压迫和高钙血症等。然而，目前针对骨转移的治疗效果有限，传统抗肿瘤疗法在骨转移治疗中的作用受到挑战。因此，早期识别高风险患者并采取积极干预措施对改善预后至关重要。近年来，影像组学作为一种新兴的高通量信息提取技术，能够从医学影像中获取大量定量或半定量数据，揭示肉眼难以识别的肿瘤特征。近期刊登在Translational Lung Cancer Research 的一项研究旨在开发一种结合CT影像组学特征和临床特征的综合模型，以提高肺腺癌骨转移风险的预测准确性[1]。【肿瘤资讯】整理主要内容，与君共鉴。
研究方法与模型构建
本研究采用回顾性设计，纳入2017年3月至2019年3月期间在青岛大学附属医院确诊的501例肺腺癌患者，并按7:3的比例随机分为训练集（351例）和验证集（150例）。研究团队从每位患者的胸部CT平扫图像中提取了1130个影像组学特征，包括形状特征、一阶特征、灰度共生矩阵（GLCM）特征、灰度依赖矩阵（GLDM）特征等。为确保特征提取的可重复性，两名经验丰富的放射科医师独立进行了感兴趣区域（ROI）的分割，并计算组内相关系数（ICC）。仅保留ICC>0.75的特征用于后续分析。
在特征筛选阶段，研究者采用两步法进行降维。基于筛选出的特征构建影像组学模型，并计算每位患者的影像组学评分（Rad-score）。同时，研究者收集了患者的一般临床信息、组织病理学信息和传统CT特征。通过单因素和多因素分析筛选出与骨转移相关的独立预测因子，构建临床模型。最后，将影像组学特征和独立临床预测因子整合，构建联合模型，并绘制列线图用于直观预测个体患者的骨转移风险。
临床特征与影像组学特征分析
经单因素和多因素分析后，研究者确定了肺腺癌患者骨转移的5个独立风险预测因子：细胞角蛋白19片段（CYFRA21-1）、肿瘤分期、Ki-67表达水平、肿瘤边缘和分叶征。这些临床特征反映了肿瘤的生物学行为和侵袭性。值得注意的是，CYFRA21-1水平异常升高与骨转移的发生显著相关，这一发现与既往研究报道的CYFRA21-1与肺腺癌转移风险之间的关联一致。
在影像组学分析中，筛选出5个最具预测价值的特征用于构建影像组学模型，其中3个为纹理特征。这些特征能够定量描述肿瘤内部的异质性，可能与肿瘤的代谢活性、缺氧状态和血管生成相关（图1）。既往研究表明，CT纹理特征与非小细胞肺癌的肿瘤代谢和分期相关，并可能作为反映肿瘤缺氧和血管生成的影像生物标志物。本研究的结果进一步支持了这一观点，并首次将这些特征应用于肺腺癌骨转移风险的预测。
图1 使用LASSO二元逻辑回归模型进行影像组学特征选择
模型性能评估
研究采用受试者工作特征（ROC）曲线分析评估三个模型（影像组学模型、临床模型和联合模型）的预测性能（图2）。在验证集中，临床模型、影像组学模型和联合模型的曲线下面积（AUC）分别为0.824（95%CI：0.734-0.913）、0.842（95%CI：0.754-0.930）和0.866（95%CI：0.786-0.947）（图3）。DeLong检验结果显示，在训练集中，影像组学模型和联合模型的AUC值存在统计学差异（P=0.03），而其他模型间的AUC值无显著差异。这一结果表明，结合影像组学和临床特征的联合模型具有最佳的预测性能。
图2 预测肺腺癌患者骨转移的三个模型的开发过程
图3 三个模型的ROC曲线
为评估模型的临床应用价值，研究者进行了决策曲线分析（DCA）（图4）。结果表明，联合模型在不同概率阈值下均具有最高的临床净获益。此外，校准曲线验证了模型预测结果与实际观察结果的良好一致性，进一步证实了联合模型的预测准确性。这种多维度的分析方法可以更全面地评估肺腺癌患者的骨转移风险，为临床决策提供更可靠的依据。联合模型的优势可能在于它既考虑了传统临床因素反映的宏观肿瘤特征，又纳入了影像组学特征捕捉的微观肿瘤异质性信息，从而实现了对骨转移风险的更精确评估。
图4 三个模型的DCA。
结语
本研究开发了一种基于CT影像组学和临床特征的综合模型，用于预测肺腺癌患者的骨转移风险。该模型在验证集中展现出优异的预测性能，AUC达0.866。研究的主要创新点包括首次将影像组学技术应用于肺腺癌骨转移风险预测、识别出具有预测价值的临床和影像组学特征，以及构建了一个便于临床使用的列线图，可直观评估个体患者的骨转移风险。
尽管存在一些局限性，本研究开发的基于CT影像组学和临床特征的预测模型为肺腺癌骨转移风险评估提供了新的思路和工具。随着进一步的验证和优化，这种方法有望成为临床实践中评估肺腺癌患者骨转移风险的有力辅助手段，为精准医疗的实施提供支持。
1.Su, Q., et al., CT-based radiomics and clinical characteristics for predicting bone metastasis in lung adenocarcinoma patients. Transl Lung Cancer Res, 2024. 13(4): p. 721-732.
审批编号：CN-145128
声明：本材料由阿斯利康提供，仅供医疗卫生专业人士参考
排版编辑：肿瘤资讯-Rex
