Sci Rep: 新技术可检测肺癌患者的治疗效果
来源：本站原创 2020-07-05 10:22
肺癌是最常见的癌症类型，它也是癌症患者死亡的主要原因。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，例如过度诊断等。根据最近在《Scientific Reports》杂志上发表的一项新研究，莫菲特癌症中心的研究人员表明，使用放射线药物可以成功识别高风险肺癌患者群体，并因此需要积极随访的早期肺癌患者来改善肺癌的筛查。和/或辅助治疗。
2020年7月4日讯/生物谷BIOON/---肺癌是最常见的癌症类型，它也是癌症患者死亡的主要原因。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，例如过度诊断等。根据最近在《Scientific Reports》杂志上发表的一项新研究，莫菲特癌症中心的研究人员表明，使用放射线药物可以成功识别高风险肺癌患者群体，并因此需要积极随访的早期肺癌患者来改善肺癌的筛查。和/或辅助治疗。
放射组学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。它具有优于循环系统生物标记物的优势。因为放射线特征是根据标准成像计算得出的，并且可以反映整个肿瘤病灶的情况，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线检查。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。从其肺癌肿瘤内（瘤内）和周围（瘤周）计算特征，包括大小，形状，体积和质地特征。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。
第一作者，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，该模型可预测在肺癌筛查中被诊断出的患者的生存结果。” 。
经过分析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，该模型可以准确识别早期肺癌患者，这些患者存在较高的死亡风险。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，即低，中和高。高危患者可能较早期就患有更具侵略性的癌症，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那些癌症的预测性生物标志物是肺癌筛查领域亟待解决的关键问题。目前还需要进行其他研究以证明该模型的潜在转化价值，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。”（生物谷 Bioon.com）
资讯出处：A tool to detect patients at high risk for poor lung cancer outcomes
原始出处： Jaileene Pérez-Morales et al, Peritumoral and intratumoral radiomic features predict survival outcomes among patients diagnosed in lung cancer screening, Scientific Reports (2020). DOI: 10.1038/s41598-020-67378-8
（图片来源：Www.pixabay.com）
放射组学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。它具有优于循环系统生物标记物的优势。因为放射线特征是根据标准成像计算得出的，并且可以反映整个肿瘤病灶的情况，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线检查。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。从其肺癌肿瘤内（瘤内）和周围（瘤周）计算特征，包括大小，形状，体积和质地特征。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。
第一作者，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，该模型可预测在肺癌筛查中被诊断出的患者的生存结果。” 。
经过分析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，该模型可以准确识别早期肺癌患者，这些患者存在较高的死亡风险。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，即低，中和高。高危患者可能较早期就患有更具侵略性的癌症，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那些癌症的预测性生物标志物是肺癌筛查领域亟待解决的关键问题。目前还需要进行其他研究以证明该模型的潜在转化价值，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。”（生物谷 Bioon.com）
资讯出处：A tool to detect patients at high risk for poor lung cancer outcomes
原始出处： Jaileene Pérez-Morales et al, Peritumoral and intratumoral radiomic features predict survival outcomes among patients diagnosed in lung cancer screening, Scientific Reports (2020). DOI: 10.1038/s41598-020-67378-8
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
