将4DCT中的分数内delta-radiomics数据纳入分析可提高局部复发的预测准确性

《MEDICAL PHYSICS》：Incorporating intra-fractional delta-radiomics from 4DCT improves local recurrence prediction

呼吸运动对肺癌放疗的影响及累积delta影像组学预测模型研究。通过分析100例非小细胞肺癌患者4DCT数据，结合1321个影像组学特征构建动态签名模型ADRS，较传统3DCT模型（AUC 0.7021）和单时相delta影像组学模型（AUC 0.6470-0.7693）AUC提升至0.8391。结果显示ADRS与局部无进展生存期显著相关（HR=6.74），其优势源于呼吸运动敏感特征的动态整合。

　　

摘要

背景

在放疗过程中，肿瘤的呼吸运动可能会影响剂量传递，并进一步影响肿瘤控制的效果。开发一个能够整合肿瘤异质性与呼吸运动的预测模型，有助于识别高风险患者，从而指导适应性放疗策略并优化随访方案。

目的

提出一种新的预后预测方法，该方法利用分次治疗期间的时间特征，并初步验证其对非小细胞肺癌（NSCLC）患者局部复发（LR）的预测能力。

方法

对100名NSCLC患者进行了回顾性分析。从4DCT数据中计算了1321个放射组学特征在0%到i相位之间的时间变化（Delta_RF_i，i = 10%，.90%），并将这些变化累积为累积的delta-radiomics特征（Delta_RF_acc）。通过对Delta_RF_i和Delta_RF_acc应用主成分分析（PCA），得到了delta-radiomics特征（DRS_i，i = 10%，.90%）以及新的累积delta-radiomics特征（ADRS）。传统的放射组学特征（RS）则是从3DCT数据中构建的。通过单变量逻辑回归比较了RS、DRS和ADRS的预测性能，并评估了使用ADRS和RS进行局部复发风险分层的有效性。

结果

基于7:3随机分割交叉验证（使用50个随机种子）的平均性能，发现ADRS模型的接收者操作特征曲线下面积（AUC）和精确度-召回率曲线下面积（AUPRC）最高（AUC = 0.8391，AUPRC = 0.8043），这些指标显著高于RS模型（AUC = 0.7021，AUPRC = 0.5260）以及基于任何单相的DRS模型（AUC范围为0.6470～0.7693，AUPRC范围为0.4571～0.6047）。ADRS和RS的较高特征值与较差的局部无进展生存率相关，其风险比（HR）分别为6.74（95%置信区间（CI）：2.79-16.24，p < 0.0001）和3.28（95% CI：1.39-7.75，p = 0.0043）。运动敏感特征对ADRS的优异性能起到了关键作用。

结论

结合4DCT的时间信息显著提高了模型的性能，优于基于3DCT的传统方法。提出了一种基于分次治疗期间delta-radiomics的新ADRS方法，并对其在NSCLC患者局部复发风险预测中的有效性进行了验证。改进的风险管理准确性有助于个性化优化治疗和随访方案，实现成本、效率与疗效之间的平衡。

利益冲突声明

作者没有需要披露的相关利益冲突。

数据可用性声明

如需数据，可向相应作者提出合理请求。