《European Journal of Surgical Oncology》：Artificial Intelligence-Enhanced Three-Dimensional Radiological Analysis for Predicting Spread Through Air Spaces in Early-Stage Lung Adenocarcinoma
编辑推荐：
AI辅助3D CT成像分析肺腺癌STAS预测，发现边缘分叶、胸膜增厚及无毛玻璃 opacity为独立预测因子，为亚肺叶切除决策提供依据。
天宫亮辅 | 工藤勇人 | 松林淳 | 一之濑昭道 | 朴真仁 | 短井沙希 | 永瀬和香 | 高田一基 | 伊藤真希 | 古本秀之 | 與原雅郎 | 柏原雅敏 | 大平达夫 | 长尾敏孝 | 池田純
日本东京医科大学外科
摘要
目的
“通过空气间隙扩散”（STAS）是一种与不良预后相关的病理特征，尤其是在接受亚肺叶切除术的肺腺癌患者中。STAS的微观特性使得使用术前放射影像学方法直接检测变得复杂。我们的目标是开发一种基于人工智能（AI）的三维（3D）计算机断层扫描（CT）成像模型，以术前预测早期肺腺癌中的STAS。
方法
这项回顾性研究包括了2018年至2021年间接受完全手术切除的364名0–IA3期肺腺癌患者。术前CT图像通过AI进行3D图像分析，该过程包括自动量化肺结节体积并评估结节的22个独特影像学特征。对切除标本进行STAS的病理学分析，并探讨其与影像学特征之间的关系。
结果
在107名患者中发现了STAS。与非STAS组（n=257）相比，STAS患者的正电子发射断层扫描/CT标准摄取值中位数显著更高（4.5 vs 2.0，p<0.01）。AI驱动的3D分析显示，STAS阳性肿瘤的实性成分体积和百分比显著高于STAS阴性肿瘤（分别为1.37立方厘米和68.6%，对比为0.38立方厘米和26.0%，p<0.01）。利用AI驱动的3D分析得出的22个影像学特征，多变量分析确定叶状边缘（p=0.002）或胸膜增厚（p=0.022）以及无磨玻璃样混浊（p=0.029）是STAS的独立预测因素。
结论
AI驱动的3D成像可以提高肺腺癌术前STAS的预测能力，从而优化手术决策和治疗策略。
引言
肺癌是全球范围内最常见的恶性肿瘤之一，其死亡率在所有癌症中最高。[1] 尽管影像技术的进步使得早期发现成为可能，但由于高复发率，肺癌的预后仍然较差。手术切除是早期原发性肺癌治疗的金标准，其中肺叶切除术是标准手术方法。[2] 然而，对于小型肺癌，楔形切除术和段切除术等亚肺叶切除术作为一种侵入性较小的选择受到了关注。这些手术旨在在保持肿瘤学安全性的同时保留肺功能，JCOG0802/WJOG4607L和CALGB 140503等试验证明了亚肺叶切除术对≤2厘米肿瘤的有效性。[3] 此外，JCOG1211进一步证明了段切除术对于≤3厘米的以磨玻璃样混浊（GGO）为主的肺癌的有效性。[4] [5]
然而，并非所有早期肺癌患者都适合进行亚肺叶切除术。2015年世界卫生组织对肺肿瘤的分类引入了一个称为“通过空气间隙扩散”（STAS）的病理特征，该特征已被证明会显著影响复发的可能性。[6] 除了其他因素外，这一预后指标在评估癌症复发风险方面起着关键作用。STAS被定义为肿瘤细胞扩散到肺实质中的空气间隙中，超出了主肿瘤的边缘。研究表明，与肺叶切除术相比，STAS与局部和远处复发的风险增加有关，尤其是在接受亚肺叶切除术的患者中。[7] [8] [9] 此外，即使在亚肺叶切除术中获得了足够的手术边缘，STAS阳性肿瘤也常常表现出较高的恶性程度，导致预后较差。
使用计算机断层扫描（CT）进行放射学评估在直接识别STAS方面存在固有局限性，因为图像分辨率的限制使得精确可视化极为困难。由于STAS由分散在空气间隙中的微小肿瘤细胞组成，使用影像学方法直接检测特别困难。然而，一种替代方法是通过识别与STAS阳性肿瘤相关的特征性影像学特征来预测其存在。通过从二维图像分析转向三维（3D）分析，可以更准确地描绘本质上存在于三维空间中的肿瘤。这种方法有可能提高STAS的预测准确性，并增强术前评估。
基于之前探索人工智能（AI）在预测不良预后因素方面应用的研究，[10] [11]，本研究调查了AI辅助的3D-CT成像在肺腺癌术前STAS预测中的潜力。AI不仅可以尝试直接检测STAS，还可以分析表明STAS阳性肿瘤的放射学特征，这些特征可能通过传统评估方法无法察觉。通过整合AI驱动的3D分析，可以定量评估肿瘤形态、密度分布和空间特征，提供一种更客观和可重复的方法来预测STAS。这种方法可以提高术前诊断的准确性，从而更好地进行手术决策和优化早期肺腺癌的治疗策略。
患者信息
2018年至2021年间，回顾了在东京医科大学医院接受手术的807名原发性肺癌患者。排除了接受新辅助治疗、切除不完全、临床分期为IB–IIIB期或组织学类型非腺癌的患者。此外，还排除了使用不同PET-CT设备或CT成像条件不合适的患者。最终纳入了364名接受完全手术切除的0–IA3期肺腺癌患者（图1）
STAS组与非STAS组之间的临床病理特征比较
患者特征见补充表2。中位放射学肿瘤直径为1.8厘米，其中31名（8.5%）患者的肿瘤直径超过3厘米。在纳入的患者中，262名（72.0%）接受了肺叶切除术，102名（28.0%）接受了亚肺叶切除术，确认107名（29.4%）患者存在STAS。根据STAS状态，患者被分为STAS组（n = 107）和非STAS组（n = 257）（图1）。
STAS组和非STAS组的临床病理特征如下
讨论
这项研究代表了在利用AI辅助放射学分析预测肺腺癌患者STAS方面的重要进展。AI分析确定了叶状边缘、胸膜增厚和无磨玻璃样混浊（GGO）是STAS的独立预测因素，进一步证明了其在评估肿瘤侵袭性方面的实用性。没有叶状边缘、胸膜增厚或具有GGO的肿瘤不太可能出现STAS，这表明这些病例可能被认为是合适的手术候选者
伦理批准和参与同意
本研究所有患者均获得了全面的信息同意（东京医科大学IRB批准编号：SH3951）。
作者贡献声明
概念与设计：天宫亮辅、工藤勇人、池田纯
数据获取、分析或解释：天宫亮辅、工藤勇人、松林淳、朴真仁、短井沙希、永瀬和香、高田一基、伊藤真希、古本秀之、与原雅郎、大平达夫、长尾敏孝、池田纯
手稿起草：天宫亮辅和工藤勇人
重要学术内容的批判性审查：所有作者
软件
：一之濑昭道利益冲突声明
池田纯从富士胶片公司获得了东京医科大学外科的研究资助。一之濑昭道和池田纯是富士胶片公司的员工。虽然我们在本研究中使用了集成在Synapse Vincent系统（富士胶片公司）中的AI软件，但该软件仍处于开发阶段，不是商业产品。我们没有需要披露的商业利益冲突。
数据可用性声明
本研究分析的数据集未公开，因为参与者未同意数据共享，但可根据合理请求从相应作者处获取。
资金支持
池田纯报告了来自富士胶片公司（FUJIFILM）对东京医科大学外科的研究资助。利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：池田纯
荣誉酬金：阿斯利康、Chugai Pharma、Boehringer Ingelheim、Taiho Pharma、Eli Lilly、Ono Pharma、Bristol Meyers、Olympus、MSD、Johnson & Johnson、Nihon Mediphysics、Medtronics、Teijin Pharma
研究资助（部门）：阿斯利康、Chugai Pharma、Boehringer Ingelheim、Taiho Pharma、Eli Lilly、Ono Pharma、Bristol Meyers、MSD、Nihon Mediphysics
