基于影像组学的非小细胞肺癌淋巴结转移预测是指：应用影像组学方法对肺部 CT 影像进行定量分析来实现对非小细胞肺癌淋巴结是否转移的预测。

肺癌是世界范围内发病率和死亡率最高的疾病之一，占所有癌症病发症的 18 % 左右。美国癌症社区统计显示，80 % 到 85 % 的肺癌为非小细胞肺癌。 在该亚型中，大多数病人会发生淋巴结转移，在手术中需对转移的淋巴结进行清扫，现阶段通常以穿刺活检的方式确定淋巴结的转移情况。因此，以非侵入性的方式确定淋巴结的转移情况对临床治疗具有一定的指导意义。然而，基本的诊断方法在无创淋巴结转移的预测上存在很大挑战。

影像组学是针对医学影像的兴起的热门方法，指通过定量医学影像来描述肿瘤的异质性，构造大量纹理图像特征，对临床问题进行分析决策。利用先进机器学习方法实现的影像组学已经大大提高了肿瘤良恶性的预测准确性。 研究表明， 通过客观定量的描述影像信息，并结合临床经验，对肿瘤进行术前预测及预后分析，将对临床产生更好的指导价值。

三维病灶的分割

测试集ROC曲线

在构建非小细胞肺癌淋巴结转移的预测模型中，使用 LLR 筛选组学特征并构建组学标签，并与显著的临床特征构建多元 Logistics 模型，绘制个性化预测的诺模图。其中 LLR 模型在训练集上的 AUC 值为 0.710，在测试集上的 AUC 值为0.712，利用多元 Logistics 模型绘制个性化预测的诺模图，得到模型表现能力 C-index 为 0.724 (95 %CI:0.678 ～ 0.770)，并且在校正曲线上表现良好，所以个性化预测的诺模图在临床决策上可起重要参考意义。

诺模图

引用格式：王超, 刘侠, 董迪, 臧丽亚, 刘再毅, 梁长虹, 田捷. 基于影像组学的非小细胞肺癌淋巴结转移预测. 自动化学报, 2019, 45(6): 1087-1093. 

链接：http://html.rhhz.net/ZDHXBZWB/html/2019-6-1087.htm

作者简介：

王 超 中国科学院自动化研究所和哈尔滨理工大学自动化学院联合培养硕士

研究生。 主要研究方向为医学图像处理和模式识别。E-mail: wangchao2015@ia.ac.cn

刘 侠 哈尔滨理工大学自动化学院教授。 2006 年获得哈尔滨工程大学自动化学院博士学位。 主要研究方向为模式识别与智能系统。E-mail: liuxia@hrbust.edu.cn

董 迪 中国科学院自动化研究所副研究员。 2013 年获得中国科学院自动化研究所博士学位。 主要研究方向为影像组学。 E-mail: di.dong@ia.ac.cn

臧亚丽 中国科学院自动化研究所副研究员。 2013 年获得中国科学院自动化研究所博士学位。 主要研究方向为影像组学。 E-mail: yali.zang@ia.ac.cn

刘 再 毅 广 东 省 人 民 医 院 主 任 医 师。2004 年获得四川大学博士学位。 主要研究方向为腹部影像诊断和分子影像学。E-mail: zyliu@163.com

梁长虹 广东省人民医院影像医学部主任。 1998 年获得广东省心血管病研究所博士学位。 主要研究方向为腹部影像诊断和分子影像学。E-mail: cjr.lchh@vip.163.com

田 捷 中国科学院自动化研究所研究员。 1992 年获得中国科学院自动化研究所博士学位。 主要研究方向为模式识别，医学图像处理和分子影像。 本文通信作者。 E-mail: tian@ieee.org