基于对比度增强的CT放射性分析,用于确定食道状细胞癌患者对抗编程死亡-1疗法的反应:试点研究

科学领域:

• 放射学和瘤学 放射学和瘤学
• 医学成像分析 医学成像分析
• 预测癌症治疗反应预测

背景情况:

• 放射学特征在预测各种癌症的免疫疗法反应方面表现有前途.
• 食道状细胞癌 (ESCC) 治疗可以通过预测生物标志物来指导.
• 预测对抗编程死亡-1 (抗PD-1) 治疗的反应对于优化ESCC患者的治疗结果至关重要.

研究的目的:

• 开发一种针对ESCC患者抗PD-1治疗反应的预测模型.
• 为了利用对比度增强CT (CECT) 放射学特征来预测治疗疗效.
• 为ESCC建立一个强大的基于放射学的分类模型.

主要方法:

• 68个来自ESCC患者的CECT图像样本的反向分析,在抗PD-1治疗前后进行.
• 使用最少绝对收缩和选择操作员 (LASSO) 方法提取和选择定量放射性特征.
• 开发和验证三个分类模型,采用三重交叉验证策略,根据AUC,灵敏度,特异性和精度进行评估.

主要成果:

• 波形和灰色水平变化 (log-sigma) 特性被确定为治疗疗效的显著预测因素.
• 使用瘤和周区域的15个选定的放射性特征创建了融合放射学得分.
• 放射学分类模型表现出高预测性能,AUC分别为0.82和0.884在治疗前和治疗后的队列中.

结论:

• 结合放射性特征和临床CECT预测因子的组合模型有效预测ESCC患者的抗PD-1治疗反应.
• 对CECT图像的放射学分析为ESCC治疗结果的非侵入性预测提供了有价值的工具.
• 这种方法可能会对食道癌的抗PD-1治疗策略进行个性化.