在计算机断层扫描中对间歇性肺异常进行定量分析,以预测肺部立体体辐射疗法后的症状辐射肺炎

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医学成像分析 医学成像分析

背景情况:

• 症状性辐射肺炎 (SRP) 是胸部立体性身体放射治疗 (SBRT) 的已知并发症.
• 计算机断层扫描 (CT) 的视觉评估在预测SRP风险方面存在局限性.
• 基于人工智能的定量CT图像分析 (AIQCT) 为客观风险评估提供了一个潜在的解决方案.

研究的目的:

• 使用AIQCT评估高分辨率CT (HRCT) 图像,以开发SRP的预测模型.
• 确定与SBRT后SRP发展相关的定量CT成像生物标志物.
• 根据AIQCT的发现,将患者分为不同的SRP风险组.

主要方法:

• AIQCT用于自动分析SBRT治疗I期肺癌的患者的HRCT图像.
• 抽取了关于肺膜模式的定量数据,包括网化+蜂,巩固+磨砂玻璃不透明度,支气管 (Br) 体积和正常肺 (NL) 平均剂量 (D平均值).
• 在培训队列上使用递归分区分析 (RPA) 开发了SRP的预测模型,并在测试队列上验证.

主要成果:

• 在207名患者中,26人患有SRP. 在SRP和没有SRP的患者之间观察到Ret+HC,Br-体积和NL-D平均值的显著差异.
• RPA确定了三个风险组:高风险 (NL-D平均≥6.6 Gy),中等风险 (NL-D平均≥6.6 Gy和Br体积≥2.5%) 和低风险 (NL-D平均≥6.6 Gy和Br体积≥2.5%).
• 在培训队列中,SRP发生率分别为62.5%,38.4%和7.5%,在高,中,低风险组的测试队列中分别为50.0%,27.3%和5.0%.

结论:

• AIQCT可以识别与SRP发展相关的CT特征.
• 结合人工智能检测到的Br-体积和NL-D平均值的预测模型有效预测SRP风险.
• 这种基于AIQCT的模型可以将患者分为不同的SRP风险类别,有助于治疗规划和风险管理.