通过双能量CT量化三维映射,用于预测侵袭性肺腺癌中编程死亡联结1表达的预测
Kazuki Yamagata1, Masahiro Yanagawa2, Akinori Hata1
1Department of Diagnostic and Interventional Radiology, Graduate School of Medicine, Osaka University, 2-2 Yamadaoka, Suita, Osaka, 5650871, Japan.
Scientific reports
|August 7, 2024
概括
双能量CT扫描的纹理分析可以预测非小细胞肺癌中编程死亡配体1 (PD-L1) 表达. 度和细胞外体积是高PD-L1表达的关键指标.
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
背景情况:
- 编程死亡配体1 (PD-L1) 表达是预测非小细胞肺癌 (NSCLC) 免疫治疗反应的关键生物标志物.
- 需要准确的,非侵入性的方法来预测PD-L1表达,以指导治疗决策.
研究的目的:
- 研究来自双能CT (DECT) 密度组图和NSCLC中PD-L1表达的三维 (3D) 纹理特征之间的关联.
- 识别可独立预测高PD-L1表达的成像参数.
主要方法:
- 对37名NSCLC患者进行了DECT扫描,并获得了未增强和延迟增强相.
- 应用3D纹理分析对密度映射和细胞外体积 (ECV) 来提取包括斜率在内的特征.
- 通过免疫染来评估PD-L1表达,并将其分类为高 (瘤比例得分[TPS] ≥50%) 或低/负 (TPS <50%).
- 用物流回归和接收器操作特征 (ROC) 分析来评估关联.
主要成果:
- 多变量逻辑回归确定了斜率 (赔率 [OR] = 7.1) 和ECV (OR = 6.6) 作为高PD-L1表达的独立预测因素.
- 斜度和ECV的组合在ROC分析中表现出高的诊断性能,曲线下的面积为0.83.3.
- 组合模型实现了64%的灵敏度和96%的特异性,用于预测高PD-L1表达.
结论:
- 密度组图的3D纹理分析和DECT上的ECV是预测NSCLC中PD-L1表达的非侵入性预测的宝贵工具.
- 这些成像生物标志物可能有助于患者选择免疫治疗.


