European Radiology：CT放射组学分析提高了喉部鳞状细胞癌淋巴结转移的术前预测

喉癌是头颈部最常见的恶性肿瘤之一，在呼吸系统中仅次于肺癌[。其中，喉鳞状细胞癌（LSCC）约占所有产生于喉部的恶性肿瘤的85-95%。LSCC在诊断时可能出现淋巴结转移（LNM），尤其是声门上癌和其他晚期LSCC。LNM的存在对生存率有明显的负面影响。

目前，CT是治疗前评估LSCC最广泛使用的成像方式，具有较高的效率和准确性。MRI常被用作解决其余问题的补充工具，如在最初的CT扫描后评估软骨的侵犯。通过CT和MRI诊断LNM的放射学标准主要是基于大体形态特征（结节大小、形状和是否有坏死）。然而，根据形态学标准对LNM进行无创识别具有极大挑战性。在临床实践中，有关颈部的治疗决定往往不仅仅依靠影像学报告，而是基于对原发肿瘤分期、大小、亚部位和表型的经验分析。人们普遍认为，如果隐匿性LNM的风险超过20%，就应该通过手术切除或化学放射治疗对颈部进行选择性治疗。在这种临床情况下，颈部的过度治疗是非常常见的，可能会导致一系列的并发症，如乳糜瘘、大血管损伤、神经损伤、颈部僵硬等。

另外，放射组学正在成为个性化癌症治疗的一个有前途的概念，可为临床提供更好的诊断、预后和预测的准确性。事实上，放射组学通过从传统医学图像中提取和分析高通量的定量特征，实现了对肿瘤异质性的非侵入性解码。以前的研究显示，放射组学在结直肠癌、胃癌和膀胱癌等的LNM识别方面具有优势。据我们所知，很少有研究探讨CT放射学预测LSCC的LNM的性能。

近日，发表在European Radiology杂志的一项研究评估了一个基于CT的放射组学模型，该模型将结合放射组学和独立的临床风险因素，可实现对LSCC患者的淋巴结状态进行术前的预测评估。

本研究将在本机构接受开放手术和淋巴腺切除术的LSCC患者纳入研究，并以7:3的比例随机分为初级队列和验证队列（325 vs. 139）。在初选队列中，从静脉相CT图像上的整个瘤内区域提取放射组学特征，并通过最小绝对收缩和选择算子（LASSO）回归构建放射组学特征。通过多变量逻辑回归建立了一个包含放射组学特征和独立临床因素的放射组学模型，并以列线图的形式呈现。将列线图的性能与临床模型和传统的CT报告进行了比较，以确定其鉴别力和临床实用性。在一个独立的验证队列中对放射组学列线图进行了内部测试。 

由9个稳定特征组成的放射组学特征，在初级和验证队列中都与LNM具有相关性（均为p < .001）。在初级队列（AUC 0.91 vs. 0.84 vs. 0.68）和验证队列（AUC 0.89 vs. 0.83 vs. 0.70）中，包含LNM独立预测因素（放射组学特征、肿瘤亚位点和CT报告）的放射组学模型对淋巴结状态的分辨能力明显优于临床模型或CT报告。决策曲线分析证实，放射组学列线图优于临床模型和传统CT报告。 

图 维林图显示了初级(a)和验证(b)队列中的Rad-cores。初级和验证队列中放射组学特征的ROC曲线(c)

本研究开发并验证了一个结合了放射组学特征和临床因素的CT放射组学模型，该模型促进了LSCC的术前淋巴结状态的评估，可协助临床进行LSCC患者个性化治疗方案的制定。

原文出处：

Xingguo Zhao,Wenming Li,Jiulou Zhang,et al.Radiomics analysis of CT imaging improves preoperative prediction of cervical lymph node metastasis in laryngeal squamous cell carcinoma.DOI:10.1007/s00330-022-09051-4