更准确预测肺癌淋巴结转移？大数据来帮忙

肿瘤是一个可怕的词，而肺癌无疑是更危险的一种。目前，肺癌患者的发病率在中国是癌症中最高的，也是最威胁生命的恶性肿瘤之一。肺癌最可怕的是早期症状不明显，甚至没有发现明显的不适，而且发现往往到了晚期，肺癌的发生、发展和转移非常快。

目前，随着胸部CT筛查的逐步普及，早期肺癌的比例越来越高。然而，术后患者的5年生存率并没有显著提高。其中一个原因是术前没有准确评估淋巴结。如何及时准确地评估淋巴结状态是研究者最关心的问题。

以前，研究人员利用影像信息进行癌症患者生存时间的无创评估、淋巴结转移预测和预后预测等相关研究仅限于利用肿瘤区域的影像特征进行分析和建模。随着生物学研究和临床实践的不断实践，科学家发现肿瘤周围环境能分泌大量生长因子和细胞因子，诱导缺氧和血管生成，并在肿瘤的发生、发展和转移中发挥重要作用。

然而，在诊断过程中，大量影像医生知道肿瘤周围区域的重要作用，但由于人眼的限制，他们无法知道肿瘤周围区域的影像表现，从而忽略了肿瘤周围区域在诊断中的潜在价值。

图1早期肺癌患者CT图像的肿瘤(GTV)和肿瘤周围环境(PTV):左上为横位，左下为冠状位，右为矢状位

在普通CT上，肿瘤面积和瘤周面积如图1所示。从图中可以看出，肿瘤周围区域的边界范围不清楚，在平片CT上出现低信号，肉眼观察不到差异。因此，在建立模型时，大多数研究者更主观地根据肿瘤区域提取特征。计算机可以突破人眼的限制，发现更多的成像特征。

另一方面，在临床实践中，医生通常利用CT图像提取几个重要的影像学征象，如毛刺、页码、实体瘤成分比例、肿瘤大小、CEA等指标来判断早期非小细胞肺癌患者的淋巴结转移情况。

国内外一些文献报道了CT形态学特征与淋巴结转移的相关性。然而，由于形态学特征的主观性，每次研究结果的一致性较差。低年资的影像医生往往对体征了解不够，因此会出现误诊和漏诊。因此，迫切需要介绍一种术前无创的淋巴结转移预测方法，以弥补目前术前预测淋巴结转移方法的不足，为制定患者治疗策略和个体化医疗提供帮助。

基于上述原因，中科院苏州医学院X动力团队等以非小细胞肺癌为例，试图通过融合肿瘤周围的影像特征，建立早期非小细胞肺癌患者淋巴结转移的分类模型。采用影像学组织学方法，实现了对早期非小细胞肺癌患者术前淋巴结转移的准确预测，且无需依赖医生的临床经验就能更客观地判断病情。

建立模型的思想是分别从肿瘤区域和瘤周区域提取高通量的图像组织学特征。经过特征筛选后，用最小绝对收敛和选择算子训练分类器模型。然后，利用逻辑回归算法，融合并建模图像组织学特征和医生对淋巴结转移特征的判断。与单个图像组织学模型或临床医生的分类精度相比，该模型的分类能力大大提高，体现了人机结合的优势和魅力。

研究人员使用上面构建的人机结合预测模型绘制了相应的诺模图，如图2所示，供临床医生使用，其可以更直观和准确地给出早期非小细胞肺癌患者的淋巴结转移的风险概率。

首先，将患者的平面CT图像输入计算机，计算机根据肿瘤和肿瘤周围的特征给出图像组织学模型的特征值。然后，医生还将判断患者的图像数据，并给出每个患者肿瘤体征的特征值。将患者的每个特征值映射到点轴以获得特征得分，然后将所有特征得分相加以获得总得分，最后在风险轴上找到对应于总得分的值以获得最终的淋巴结转移风险概率。

图2人机组合模型的诺模图

结果表明，瘤周区域对淋巴结转移预测非常重要，但在过去的临床实践中常常被忽视。同时，该方法具有通用性，可应用于其他疾病的诊断和分析。有望提高其他疾病的诊断准确率，为未来医学影像辅助诊断研究提供新思路。

相关结果发表在《欧洲放射学》，HTTPS://DOI.org/10.1007/S0330-019-06084-0.