铂类化疗通常是晚期非小细胞肺癌(NSCLC)的一线治疗。然而，只有大约四分之一的患者对这种治疗反应良好。目前，还没有办法预测哪些病人会从化疗中获益最多。

CT检查通常用于肿瘤分期和监测治疗反应。利用一种称为放射组学的研究领域，研究人员可以从CT图像中提取定量或可测量的数据，这些数据可以揭示单独在图像中看不到的疾病特征。

“我们在这项研究中的目的是，通过计算机提取肺结节内外的模式，以及结节的形状，在基线CT扫描上，确定对化疗反应的早期预测是否可能。”来自俄亥俄州克利夫兰凯斯西储大学工程学院生物医学工程系的博士候选人穆罕默哈迪·科拉米说，他和来自克利夫兰诊所内科的医学博士莫妮卡·肯恩一起领导了这项研究。

研究人员着手确定肺肿瘤内部和周围的放射学结构特征在预测NSCLC患者的进展时间和总生存期以及对化疗的反应中的作用。

“这是第一个证明计算机从肿瘤外提取的异质性或多样性模式可以预测化疗反应的研究，”Khunger博士说。“这是非常关键的，因为它可以让我们在治疗前预测哪些肺癌患者可能会有反应。反过来，这可以帮助识别那些可能对放射或免疫疗法等替代疗法没有反应的化疗患者。”

他们分析了125名在克利夫兰诊所接受培美曲塞铂双重化疗的患者的数据。患者被随机分为两组，在训练集中有应答者和无应答者的人数相等。训练集包括53例NSCLC患者，验证集包括72例患者。

计算机分析了肺癌的CT图像，以确定肿瘤内外的独特异质性模式。然后将这些模式与对化疗有反应和没有反应的患者的CT扫描结果进行比较。然后，这些特征模式被用来训练机器学习分类器，以识别肺癌患者对化疗有反应的可能性。

“当我们观察肿瘤内部的模式时，我们得到了0.68的准确率。但当我们从内部和外部观察时，准确率上升到了0.77。”

结果表明，来自肿瘤内部和肿瘤周围区域的放射组学特征能够区分对化疗有反应的患者和对化疗没有反应的患者。此外，放射组学特征预测进展时间和总生存期。

Khorrami说:“尽管在ct放射组学领域进行了大量的研究，但肿瘤周围区域或肿瘤周围区域仍然相对未被探索。”“我们的研究结果明确表明，肿瘤周围结构模式在预测化疗后的反应和进展时间方面的作用。”

尽管研究人员没有明确研究肿瘤周围放射学特征的基础，但他们假设这些模式反映了化疗依从性肿瘤中纤维化含量的增加。

根据Khorrami的说法，来自CT图像的放射学数据也可以潜在地帮助识别那些复发风险较高的患者，并可能从更深入的观察和随访中受益。