交叉学科融合驱动肺癌精准放射治疗不断创新------4D放射治疗技术送福肺癌患者

肺癌是世界上最常见的恶性肿瘤，死亡率排名第一。全球肿瘤数据显示，2018年全世界新发肺癌210万例，占所有新发肿瘤病例的11.6％；死亡180万例，占所有肿瘤死亡病例的18.4％。国内肺癌发病率、死亡率排名也居首位。

大约70%的肺癌患者在治疗过程中需要放射治疗，随着放射治疗技术的不断发展，现代化的放射治疗由三维放疗、调强放疗、图像引导放射治疗（IGRT）、立体定向放疗等组成。放射治疗与靶向治疗、免疫治疗、化疗等相结合，未来将成为肺癌最有前景的治疗模式。

杭州市肿瘤医院放射治疗中心李夏东团队，在国内著名肺癌专家马胜林教授指导下，利用AI技术，实现了4DCT技术背景下放射治疗内靶区ITV的合成，通过多层CNN神经网络自动勾画放疗靶区，系统回答了困扰肺部立体定向放射治疗靶区勾画的问题，相关研究论文“A Novel Deep Learning Framework for Internal Gross Target Volume Definition From 4D Computed Tomography of Lung Cancer Patients”发表在IEEE Access上，“4DCT的影像组学特征提取图像重建方法、介质和装置”已取得国家知识产权局的发明专利授权(专利号:201911009081.0）。

由于肺部肿瘤在进行常规自由呼吸状态下的CT图像采集容易受呼吸运动影响，呼吸运动造成CT图像伪影限制了影像组学技术在肺癌个体化精准治疗中的应用。虽然很多患者采用4DCT进行肿瘤图像采集，但是4DCT技术下影像组学分析技术甚少，未充分发掘4DCT影像所潜在的价值。李夏东博士团队研发的技术可以对呼吸运动情况下患者个体化的肺部肿瘤的高通量信息进行定量分析，为肺癌的早期诊断、肺部小结节的良恶性预测、放射治疗、化疗、靶向治疗、免疫治疗的疗效预测等提供了定量的方法和创新手段。

对于胸部肿瘤而言，呼吸运动会在成像过程中对肿瘤微观结构产生模糊效应，影像组学特征提取和分析出现一个现实问题：受呼吸运动或者器官自身生理性蠕动影响，体积较大的肿瘤图像所提供的信息都是经过时域和空域歧化后的结果，相应地从这些图像中提取的组学特征也是在时空域中被严重歧化的，很少有研究中心对提取图像的状态进行过严格限定，很多CT图像都是在没有进行门控采集或者在自由呼吸状态下采集。8月27日，李夏东团队在线发表题为“The Impact of Respiratory Motion and CT Pitch on the Robustness of Radiomics Feature Extraction in 4DCT Lung Imaging”的研究论文，系统分析了4DCT技术场景下对影像组学特征有可能造成影响的呼吸模式和4DCT扫描模式问题，并从中筛选出了具有较好鲁棒特性的组学特征用于患者个体化信息模型的构建。

研究表明：高呼吸频率会显著改变组学特征的鲁棒性，不同呼吸频率下影像组学特征一致性指数组内单因素方差分析差异具有统计学意义。4DCT应用环境下，不管在何种肿瘤运动状态和扫描参数下，基于AIP图像提取的组学特征的CCC指数都远小于基于MIP图像，甚至比个别时相还要低，因此AIP图像并非最优的组学特征提取的重建图像。对于不同呼吸运动幅度，共计有31个影像组学特征具有较好的鲁棒性，这些特征主要集中在灰度共生矩阵、灰度长程矩阵的各种不同统计量和两个关于肿瘤形态学的“球形错位”和“球形度”指标，对于不同呼吸运动频率，共计有22个影像组学特征具有较好的鲁棒性。基于MIP图像提取的影像组学特征总体CCC值在不同肿瘤质心运动幅度下要高于以往研究者提出的基于AIP图像提取的组学特征CCC平均值, MIP图像将影像组学特征的CCC指数平均提高了27.66%, 而且随着肿瘤质心运动幅度增加到最大值,基于MIP提取影像组学特征总体CCC值虽然下降但是还是能够达比较高的值，因此尽量控制肿瘤运动幅度，当肿瘤运动幅度无法控制的时候，尽量采用90%时相和MIP重建时相图像提取组学特征。

    随着放疗技术的发展，未来的放疗领域不再是单一某种技术，而是成为一个交叉学科，利用AI技术、机器学习等计算机手段，推进放疗的“精确计划、精确定位、精准放疗”，为肿瘤患者送去福音。