基于影像组学和剂量组学的放射性肺炎预测研究

目的：旨在利用影像组学和剂量组学的多组学方法，建立并验证一个有效的基于CT图像的放射性肺炎（RP）预测模型。方法：对2019年至2021年在广州医科大学附属肿瘤医院接受放疗的91例非小细胞肺癌患者进行回顾性分析。将除去临床靶区的全肺（Lung-CTV）作为感兴趣区域，从Lung-CTV区域的CT图像和剂量分布中提取影像组学和剂量组学特征。将单独的剂量体积直方图（DVH）特征、影像组学结合DVH(radio+DVH)特征、影像组学结合剂量组学（radio+dose）特征，分别输入11个不同的分类器来构建预测模型，采用五倍交叉验证法来完成分类实验。利用接受者操作特征（ROC）曲线下的面积（AUC）、准确性、精确性、召回率和F1值来评估预测模型的性能。结果：与DVH模型相比，radio+DVH和radio+dose的AUC值更高，差异有统计学意义（P<0.05）。与DVH和radio+DVH模型相比，radio+dose的准确率和F1值更高，差异有统计学意义（P<0.05）。结论：使用基于机器学习的影像组学和剂量组学的多组学方法预测RP的性能更好，有望为临床治疗提供指导。