Moffitt开发工具来检测肺癌预后不良风险高的患者

佛罗里达州坦帕市-肺癌是美国男性和女性中第二大最常见的癌症。它也是男女癌症死亡的主要原因，占全国所有癌症死亡的近25%。这就是为什么筛查肺癌如此重要的原因，尤其是在高风险人群(如一生吸烟者)中。用低剂量计算机断层扫描(CT)进行筛查可将肺癌死亡人数减少20%。但是，低剂量CT确实有其局限性，例如过度诊断可能永远不会对患者造成伤害的缓慢生长的肺癌。在《自然科学报告》上发表的一项新研究中，莫菲特癌症中心的研究人员展示了放射线学的使用如何通过识别可能有较差结果的高风险并因此需要积极随访和/或辅助治疗的早期肺癌患者来改善肺癌筛查的方法。

Radiomics是癌症研究的一个新兴领域，可以从医学成像中提取非侵入性生物标记。它具有优于循环和基于组织的生物标记物的优势，因为放射学特征是根据护理标准成像计算得出的，并且可以反映整个肿瘤负荷，而不仅仅是肿瘤样本。

在这项研究中，莫菲特(Moffitt)研究人员使用了美国国家肺癌筛查试验(NLST)的数据，该研究比较了两种肺癌筛查方法-低剂量CT和标准胸部X光检查。他们从在筛选过程中被诊断出患有肺癌的NLST患者中产生了放射学特征。根据其肺癌肿瘤内部(瘤内)和周围(瘤周)计算特征，包括大小，形状，体积和纹理特征。然后将患者分为训练和测试队列，并将未筛选出肺癌患者的外部队列用于进一步验证。

首席研究作者，Moffitt博士后研究员JaileenePérez-Morales博士说：“我们的目标是利用放射学特征开发可再现的模型，该模型可以预测在肺癌筛查中被诊断出的患者的生存结果。” 。

经过分析以消除多余的和不可再现的放射组学特征后，研究人员能够开发出一种模型，该模型可以识别一组易受筛查的早期肺癌患者，这些患者存在不良的生存结果的高风险。具体而言，该模型使用两种放射学特征(一种肿瘤周围和一种肿瘤内)将患者分为三个风险组-低，中和高。高危患者可能较早期就患有更具侵略性的癌症，但仍需要频繁的随访和/或辅助治疗。

Moffitt癌症流行病学系副主任Matthew Schabath博士说：“识别可检测出侵略性癌症或可能发展缓慢且未出现的癌症的预测性生物标记物是肺癌筛查领域中一项关键的未满足需求。” 。“需要更多的研究来告知我们这种模型的潜在转化含义，但是通过识别患有侵袭性疾病的肺癌患者并避免其他人接受不必要的治疗，它可能对挽救生命产生重大影响。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！